{ "aboutHtml": "

Whisper 1 je všeobecný API model rozpoznávania reči od OpenAI, podľa dokumentácie využívajúci open-source model Whisper V2. Prijíma zvukový súbor a vracia text. Výrobca opisuje viacjazyčné rozpoznávanie, identifikáciu jazyka a samostatnú úlohu prekladu reči. Prepis zachováva hovorený jazyk; samostatné prekladové rozhranie výrobcu vracia anglický text.

Užitočným použitím je príprava rozhovoru, hlasovej poznámky alebo nahranej konverzácie na neskoršie vyhľadávanie a úpravy. Dodajte dokončenú nahrávku a jej vstupný jazyk, ak je známy. OpenAI dokumentuje 98 podporovaných jazykov a upozorňuje, že presnosť rozpoznávania sa podľa jazyka líši. Nápoveda pre jeden jazyk používa kód ISO 639-1; novšie viacjazyčné polia a polia kľúčových slov iných modelov prepisu sú samostatné ovládacie prvky.

Postup výrobcu na prepis súborov prijíma súbory do 25 MB vo formátoch MP3, MP4, MPEG, MPGA, M4A, WAV alebo WebM. Pri väčšej nahrávke použite komprimovaný formát alebo ju rozdeľte na časti v rámci limitu. Zachovajte hranice viet a poradie častí, aby zostavený prepis zostal spojený s pôvodnou nahrávkou. Video kontajner pri tejto úlohe poskytuje svoj zvuk a nepredstavuje vstup na vizuálny opis.

Prompt môže dodať mená, skratky alebo slovnú zásobu špecifickú pre nahrávku a kontext z predchádzajúceho segmentu. Limit promptu Whisper je 224 tokenov a prompt má zodpovedať jazyku zvuku. Výrobca uvádza, že Whisper nenasleduje pokyny ako všeobecný textový model. Prompt použite ako relevantný kontext prepisu a dôležité zápisy potom porovnajte s nahrávkou; nepovažujte zoznam terminológie za slová, ktoré hovoriaci musel povedať.

Výrobca dokumentuje formáty prepisu JSON, obyčajný text, SRT, VTT a podrobný JSON. Časové značky slov a segmentov vyžadujú podrobný JSON; možno vyžiadať jednu alebo obe úrovne podrobnosti. Referencia API uvádza, že časové značky segmentov nepridávajú ďalšiu latenciu, kým časové značky slov vyžadujú dodatočné spracovanie. Tieto výstupy podporujú titulkovanie a vyhľadávanie pasáží pri úpravách; anotácie diarizácie hovoriacich patria k inému špecializovanému modelu.

Whisper 1 nepodporuje streamovanie pri prepise súborov. Jeho referencia tiež dokumentuje teplotu vzorkovania medzi nulou a jednotkou; pri nule môže model automaticky zvýšiť teplotu, keď si to vyžiadajú jeho dekódovacie prahy. To opisuje ovládacie prvky spracovania výrobcu, nie prísľub, že každá nahrávka vytvorí totožný alebo dokonale presný prepis.

Definujte konečný výsledok: prepis na vyhľadávanie, titulkový súbor alebo text s časovaním slov či segmentov. S výsledkom uchovajte pôvodnú nahrávku, poradie častí a príslušné zdrojové časové odkazy. Neskorší krok úpravy textu môže opraviť preklep alebo pripraviť zhrnutie, ale zmeny porovnajte so zvukom, aby sa zachoval význam hovoriaceho. Rozpoznaný text sa stáva podkladom pre ďalšiu úlohu, nie generovanou odpoveďou na hovorenú otázku.

", "aboutText": "Whisper 1 je všeobecný API model rozpoznávania reči od OpenAI, podľa dokumentácie využívajúci open-source model Whisper V2. Prijíma zvukový súbor a vracia text. Výrobca opisuje viacjazyčné rozpoznávanie, identifikáciu jazyka a samostatnú úlohu prekladu reči. Prepis zachováva hovorený jazyk; samostatné prekladové rozhranie výrobcu vracia anglický text.\n\nUžitočným použitím je príprava rozhovoru, hlasovej poznámky alebo nahranej konverzácie na neskoršie vyhľadávanie a úpravy. Dodajte dokončenú nahrávku a jej vstupný jazyk, ak je známy. OpenAI dokumentuje 98 podporovaných jazykov a upozorňuje, že presnosť rozpoznávania sa podľa jazyka líši. Nápoveda pre jeden jazyk používa kód ISO 639-1; novšie viacjazyčné polia a polia kľúčových slov iných modelov prepisu sú samostatné ovládacie prvky.\n\nPostup výrobcu na prepis súborov prijíma súbory do 25 MB vo formátoch MP3, MP4, MPEG, MPGA, M4A, WAV alebo WebM. Pri väčšej nahrávke použite komprimovaný formát alebo ju rozdeľte na časti v rámci limitu. Zachovajte hranice viet a poradie častí, aby zostavený prepis zostal spojený s pôvodnou nahrávkou. Video kontajner pri tejto úlohe poskytuje svoj zvuk a nepredstavuje vstup na vizuálny opis.\n\nPrompt môže dodať mená, skratky alebo slovnú zásobu špecifickú pre nahrávku a kontext z predchádzajúceho segmentu. Limit promptu Whisper je 224 tokenov a prompt má zodpovedať jazyku zvuku. Výrobca uvádza, že Whisper nenasleduje pokyny ako všeobecný textový model. Prompt použite ako relevantný kontext prepisu a dôležité zápisy potom porovnajte s nahrávkou; nepovažujte zoznam terminológie za slová, ktoré hovoriaci musel povedať.\n\nVýrobca dokumentuje formáty prepisu JSON, obyčajný text, SRT, VTT a podrobný JSON. Časové značky slov a segmentov vyžadujú podrobný JSON; možno vyžiadať jednu alebo obe úrovne podrobnosti. Referencia API uvádza, že časové značky segmentov nepridávajú ďalšiu latenciu, kým časové značky slov vyžadujú dodatočné spracovanie. Tieto výstupy podporujú titulkovanie a vyhľadávanie pasáží pri úpravách; anotácie diarizácie hovoriacich patria k inému špecializovanému modelu.\n\nWhisper 1 nepodporuje streamovanie pri prepise súborov. Jeho referencia tiež dokumentuje teplotu vzorkovania medzi nulou a jednotkou; pri nule môže model automaticky zvýšiť teplotu, keď si to vyžiadajú jeho dekódovacie prahy. To opisuje ovládacie prvky spracovania výrobcu, nie prísľub, že každá nahrávka vytvorí totožný alebo dokonale presný prepis.\n\nDefinujte konečný výsledok: prepis na vyhľadávanie, titulkový súbor alebo text s časovaním slov či segmentov. S výsledkom uchovajte pôvodnú nahrávku, poradie častí a príslušné zdrojové časové odkazy. Neskorší krok úpravy textu môže opraviť preklep alebo pripraviť zhrnutie, ale zmeny porovnajte so zvukom, aby sa zachoval význam hovoriaceho. Rozpoznaný text sa stáva podkladom pre ďalšiu úlohu, nie generovanou odpoveďou na hovorenú otázku.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1328b5fa0df4b13f754479a39e9c3736c547cd25bbb3ac5652d6713c3d02b816", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "
O

OpenAI: Whisper 1

OpenAI /openai/whisper-1

Úvod

Whisper 1 prepisuje dokončený zvukový súbor na text s viacjazyčným rozpoznávaním a časovými značkami slov alebo segmentov. Výrobca podporuje titulkové formáty a samostatný postup prekladu do angličtiny; výsledok prepisu zachováva jazyk nahrávky.

Povolené vstupy
Audio
Výsledky
transcription
O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Whisper 1 je všeobecný API model rozpoznávania reči od OpenAI, podľa dokumentácie využívajúci open-source model Whisper V2. Prijíma zvukový súbor a vracia text. Výrobca opisuje viacjazyčné rozpoznávanie, identifikáciu jazyka a samostatnú úlohu prekladu reči. Prepis zachováva hovorený jazyk; samostatné prekladové rozhranie výrobcu vracia anglický text.

Užitočným použitím je príprava rozhovoru, hlasovej poznámky alebo nahranej konverzácie na neskoršie vyhľadávanie a úpravy. Dodajte dokončenú nahrávku a jej vstupný jazyk, ak je známy. OpenAI dokumentuje 98 podporovaných jazykov a upozorňuje, že presnosť rozpoznávania sa podľa jazyka líši. Nápoveda pre jeden jazyk používa kód ISO 639-1; novšie viacjazyčné polia a polia kľúčových slov iných modelov prepisu sú samostatné ovládacie prvky.

Postup výrobcu na prepis súborov prijíma súbory do 25 MB vo formátoch MP3, MP4, MPEG, MPGA, M4A, WAV alebo WebM. Pri väčšej nahrávke použite komprimovaný formát alebo ju rozdeľte na časti v rámci limitu. Zachovajte hranice viet a poradie častí, aby zostavený prepis zostal spojený s pôvodnou nahrávkou. Video kontajner pri tejto úlohe poskytuje svoj zvuk a nepredstavuje vstup na vizuálny opis.

Prompt môže dodať mená, skratky alebo slovnú zásobu špecifickú pre nahrávku a kontext z predchádzajúceho segmentu. Limit promptu Whisper je 224 tokenov a prompt má zodpovedať jazyku zvuku. Výrobca uvádza, že Whisper nenasleduje pokyny ako všeobecný textový model. Prompt použite ako relevantný kontext prepisu a dôležité zápisy potom porovnajte s nahrávkou; nepovažujte zoznam terminológie za slová, ktoré hovoriaci musel povedať.

Výrobca dokumentuje formáty prepisu JSON, obyčajný text, SRT, VTT a podrobný JSON. Časové značky slov a segmentov vyžadujú podrobný JSON; možno vyžiadať jednu alebo obe úrovne podrobnosti. Referencia API uvádza, že časové značky segmentov nepridávajú ďalšiu latenciu, kým časové značky slov vyžadujú dodatočné spracovanie. Tieto výstupy podporujú titulkovanie a vyhľadávanie pasáží pri úpravách; anotácie diarizácie hovoriacich patria k inému špecializovanému modelu.

Whisper 1 nepodporuje streamovanie pri prepise súborov. Jeho referencia tiež dokumentuje teplotu vzorkovania medzi nulou a jednotkou; pri nule môže model automaticky zvýšiť teplotu, keď si to vyžiadajú jeho dekódovacie prahy. To opisuje ovládacie prvky spracovania výrobcu, nie prísľub, že každá nahrávka vytvorí totožný alebo dokonale presný prepis.

Definujte konečný výsledok: prepis na vyhľadávanie, titulkový súbor alebo text s časovaním slov či segmentov. S výsledkom uchovajte pôvodnú nahrávku, poradie častí a príslušné zdrojové časové odkazy. Neskorší krok úpravy textu môže opraviť preklep alebo pripraviť zhrnutie, ale zmeny porovnajte so zvukom, aby sa zachoval význam hovoriaceho. Rozpoznaný text sa stáva podkladom pre ďalšiu úlohu, nie generovanou odpoveďou na hovorenú otázku.

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Rozpoznávanie reči POST /v1/audio/transcriptions
Vstup
audio
Výstup
transcription
Výstupný formát
json
PoleTypPožiadavkaHodnoty a limityPredvolené
PolemodelTypstringPožiadavkaPovinnéHodnoty a limity
openai/whisper-1
Predvolené—
PolefileTypfilePožiadavkaPovinnéHodnoty a limity
Typ obsahu: multipart/form-data
Predvolené—
Poleresponse_formatTypstringPožiadavkaVoliteľnéHodnoty a limity
json
Predvolené—
Poleinput_audio.dataTypbase64_stringPožiadavkaPovinnéHodnoty a limity
Platí, keď: Vstup JSON pre WhisperOR
Predvolené—
Poleinput_audio.formatTypstringPožiadavkaPovinnéHodnoty a limity
wav, mp3, flac, ogg, m4a, webm
Platí, keď: Vstup JSON pre WhisperOR
Predvolené—
Kombinácie vstupných podkladov

· Povinné: model, file

Parametre a životný cyklus metódy
ParameterŠpecifikácia
ParametercontoursŠpecifikácia{"content_types":["application/json","multipart/form-data"],"required_json":["model","input_audio.data","input_audio.format"],"required_multipart":["model","file"],"file_formats":["wav","mp3","flac","ogg","m4a","webm"],"response_format_optional":["json"]}, {"content_types":["multipart/form-data"],"required":["model","file"],"file_formats":["mp3"],"response_format_option":false}
Parametermax_bytesŠpecifikácia26214400
Parametermaterial_typesŠpecifikáciaaudio

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Použite skutočnú nahrávku a zodpovedajúci formát.

Zachovajte celý prepis, segmenty, ID hovoriacich a časovanie.

Cenník

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim
Neuvedené Keď je zvolený rýchly režim
Režim Flex
Neuvedené Keď je zvolený režim flex
Maximálna úroveň uvažovania
Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Sadzby Ailoot

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

KonfiguráciaSadzobníkÚčtovacia jednotkaPoplatok
KonfiguráciaZákladné sadzby za tokenySadzobníkZákladná sadzbaÚčtovacia jednotka—Poplatok
Vstup · Vstupné tokeny — / 1K tokenov
Výstup · Výstupné tokeny — / 1K tokenov
Vstup · Čítanie cache — / 1K tokenov
Vstup · Zápis do cache — / 1K tokenov
Vstup · Zápis do cache, 1 hod — / 1K tokenov
Konfiguráciasekunda vstupného zvukuSadzobník—Účtovacia jednotkaza sekundu vstupného audiaPoplatok
Vstup · sekunda vstupného zvuku $0.0002 za sekundu vstupného audia

Podrobnosti referenčnej tarify

Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot.

OpenAI: Whisper 1

Ceny podľa konfigurácie

KonfiguráciaPodmienky účtovaniaPoplatok
KonfiguráciaOpenAI: Whisper 1 · Predvolená konfiguráciaPodmienky účtovaniaPredvolená konfiguráciaPoplatok
Vstup · Sekundy vstupného zvuku 0,0002 USD za sekundu vstupného audia

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot Ultra · Rozpoznávanie reči

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ["AILOOT_AUDIO_FILE"])\nif not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" \\\n  --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \\\n  -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text())))\nPY_RESULT\n

Prijať a uložiť výsledky

Ailoot Ultra · Rozpoznávanie reči

json

Čítanie ďalšieho obsahu
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\n
Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Zachovajte celý JSON, nielen text; zachovajte každý dostupný segment, hovoriaceho a časovú značku aj skutočnú identitu úlohy alebo súboru.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede
PoleTyp
PoletextTypstring
Polesegments[]Typobject
Poletask_idTypstring
Poleasset_urlTypstring
PoleusageTypobject
Chyby a ďalšie kroky
OdpoveďPodmienkaĎalší krok
Odpoveď400 · invalid_request_errorPodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametraĎalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveďserver_errorPodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovaťĎalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

Ailoot Ultra openai/whisper-1

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

openai/whisper-1

", "method_identity": { "effective_request_model_id": "openai/whisper-1", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/whisper-1", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-1", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain complete JSON, not only text; preserve every available segment/speaker/timestamp and actual task/asset identity.", "errors": [ { "code": null, "condition": "Neplatné povinné polia, reprezentácia materiálu alebo hodnota parametra", "http_status": 400, "recovery": "Pred novou požiadavkou na vytvorenie opravte uvedené polia.", "type": "invalid_request_error" }, { "code": null, "condition": "Vrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať", "http_status": null, "recovery": "Uchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Zachovajte celý JSON, nielen text; zachovajte každý dostupný segment, hovoriaceho a časovú značku aj skutočnú identitu úlohy alebo súboru.", "family": "transcription", "fields": [ { "description": null, "name": "text", "type": "string" }, { "description": null, "name": "segments[]", "type": "object" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "asset_url", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/whisper-1" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "content_type": "multipart/form-data", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "file", "required": true, "type": "file" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "type": "base64_string", "when": "Vstup JSON pre WhisperOR" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "enum_known": true, "name": "input_audio.format", "required": true, "type": "string", "when": "Vstup JSON pre WhisperOR" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "unlistedtranscriptionoptions", "formatlabelthatdiffersfromactualbytes" ] }, "hints": [ "Použite skutočnú nahrávku a zodpovedajúci formát.", "Zachovajte celý prepis, segmenty, ID hovoriacich a časovanie." ], "input": { "contours": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "material_types": [ "audio" ], "max_bytes": 26214400 }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "skutočne vrátené task_id alebo záznam v knižnici médií", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "transcription", "format": "json", "http_success": 200, "owned_result_fields_302": [ "task_id", "asset_url" ], "result": "owned complete JSON transcript" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "9f485f9d704ef2cd14f1", "label": "OpenAI: Whisper 1", "profiles": [ { "basis": "", "dimensions": { "conditions": "Predvolená konfigurácia" }, "label": "OpenAI: Whisper 1 · Predvolená konfigurácia", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "d4e53ea51572a9d8f9fcc8e4", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ[\"AILOOT_AUDIO_FILE\"])\nif not p.is_file() or p.suffix.lower()!=\".mp3\":raise SystemExit(\"Choose an existing MP3 recording\")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" \\\n --form-string model=openai/whisper-1 -F \"file=@$AILOOT_AUDIO_FILE\" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text())))\nPY_RESULT\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use actual recording and matching format.", "Preserve full transcript, segments, speaker IDs and timing." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "transcription" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-1", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "openai/whisper-1", "nativeProvenance": { "input_facts_canonical_sha256": "c604c2cc7c04bdfd8a218dd2fe21dc554e8fd912d1eaf536469559e2775ddd0b", "input_html_sha256": "145d6b01ad137f7b690e47ab3d2affdeddb843c5fe390c9818223df138009c72", "private_audit_sha256": "6d7f4c206ca15de435d6cc80bcd1071a3250340f49be26de5d28dc5b409bece9", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sk/openai-whisper-1/", "description": "Whisper 1 prepisuje dokončený zvukový súbor na text s viacjazyčným rozpoznávaním a časovými značkami slov alebo segmentov. Výrobca podporuje titulkové formáty a samostatný postup prekladu do angličtiny; výsledok prepisu zachováva jazyk nahrávky.", "locale": "sk", "md_url": "https://ailoot.ai/models/sk/openai-whisper-1/index.md", "title": "OpenAI: Whisper 1 — Ailoot", "url": "https://ailoot.ai/models/sk/openai-whisper-1/" }, "rawModel": { "about": "Whisper 1 je všeobecný API model rozpoznávania reči od OpenAI, podľa dokumentácie využívajúci open-source model Whisper V2. Prijíma zvukový súbor a vracia text. Výrobca opisuje viacjazyčné rozpoznávanie, identifikáciu jazyka a samostatnú úlohu prekladu reči. Prepis zachováva hovorený jazyk; samostatné prekladové rozhranie výrobcu vracia anglický text.\n\nUžitočným použitím je príprava rozhovoru, hlasovej poznámky alebo nahranej konverzácie na neskoršie vyhľadávanie a úpravy. Dodajte dokončenú nahrávku a jej vstupný jazyk, ak je známy. OpenAI dokumentuje 98 podporovaných jazykov a upozorňuje, že presnosť rozpoznávania sa podľa jazyka líši. Nápoveda pre jeden jazyk používa kód ISO 639-1; novšie viacjazyčné polia a polia kľúčových slov iných modelov prepisu sú samostatné ovládacie prvky.\n\nPostup výrobcu na prepis súborov prijíma súbory do 25 MB vo formátoch MP3, MP4, MPEG, MPGA, M4A, WAV alebo WebM. Pri väčšej nahrávke použite komprimovaný formát alebo ju rozdeľte na časti v rámci limitu. Zachovajte hranice viet a poradie častí, aby zostavený prepis zostal spojený s pôvodnou nahrávkou. Video kontajner pri tejto úlohe poskytuje svoj zvuk a nepredstavuje vstup na vizuálny opis.\n\nPrompt môže dodať mená, skratky alebo slovnú zásobu špecifickú pre nahrávku a kontext z predchádzajúceho segmentu. Limit promptu Whisper je 224 tokenov a prompt má zodpovedať jazyku zvuku. Výrobca uvádza, že Whisper nenasleduje pokyny ako všeobecný textový model. Prompt použite ako relevantný kontext prepisu a dôležité zápisy potom porovnajte s nahrávkou; nepovažujte zoznam terminológie za slová, ktoré hovoriaci musel povedať.\n\nVýrobca dokumentuje formáty prepisu JSON, obyčajný text, SRT, VTT a podrobný JSON. Časové značky slov a segmentov vyžadujú podrobný JSON; možno vyžiadať jednu alebo obe úrovne podrobnosti. Referencia API uvádza, že časové značky segmentov nepridávajú ďalšiu latenciu, kým časové značky slov vyžadujú dodatočné spracovanie. Tieto výstupy podporujú titulkovanie a vyhľadávanie pasáží pri úpravách; anotácie diarizácie hovoriacich patria k inému špecializovanému modelu.\n\nWhisper 1 nepodporuje streamovanie pri prepise súborov. Jeho referencia tiež dokumentuje teplotu vzorkovania medzi nulou a jednotkou; pri nule môže model automaticky zvýšiť teplotu, keď si to vyžiadajú jeho dekódovacie prahy. To opisuje ovládacie prvky spracovania výrobcu, nie prísľub, že každá nahrávka vytvorí totožný alebo dokonale presný prepis.\n\nDefinujte konečný výsledok: prepis na vyhľadávanie, titulkový súbor alebo text s časovaním slov či segmentov. S výsledkom uchovajte pôvodnú nahrávku, poradie častí a príslušné zdrojové časové odkazy. Neskorší krok úpravy textu môže opraviť preklep alebo pripraviť zhrnutie, ale zmeny porovnajte so zvukom, aby sa zachoval význam hovoriaceho. Rozpoznaný text sa stáva podkladom pre ďalšiu úlohu, nie generovanou odpoveďou na hovorenú otázku.", "alias_of": null, "aliases": [], "author": "OpenAI", "available": null, "canonical_model": "openai/whisper-1", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "Úplný cenník konfigurácie nájdete v podrobnostiach." } ], "ctx": null, "entity_type": "model", "formats": [ "transcriptions" ], "id": "openai/whisper-1", "input": [ "audio" ], "kind": "transcription", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain complete JSON, not only text; preserve every available segment/speaker/timestamp and actual task/asset identity.", "errors": [ { "code": null, "condition": "Neplatné povinné polia, reprezentácia materiálu alebo hodnota parametra", "http_status": 400, "recovery": "Pred novou požiadavkou na vytvorenie opravte uvedené polia.", "type": "invalid_request_error" }, { "code": null, "condition": "Vrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať", "http_status": null, "recovery": "Uchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Zachovajte celý JSON, nielen text; zachovajte každý dostupný segment, hovoriaceho a časovú značku aj skutočnú identitu úlohy alebo súboru.", "family": "transcription", "fields": [ { "description": null, "name": "text", "type": "string" }, { "description": null, "name": "segments[]", "type": "object" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "asset_url", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/whisper-1" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "content_type": "multipart/form-data", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "file", "required": true, "type": "file" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "type": "base64_string", "when": "Vstup JSON pre WhisperOR" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "enum_known": true, "name": "input_audio.format", "required": true, "type": "string", "when": "Vstup JSON pre WhisperOR" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "unlistedtranscriptionoptions", "formatlabelthatdiffersfromactualbytes" ] }, "hints": [ "Použite skutočnú nahrávku a zodpovedajúci formát.", "Zachovajte celý prepis, segmenty, ID hovoriacich a časovanie." ], "input": { "contours": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "material_types": [ "audio" ], "max_bytes": 26214400 }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "skutočne vrátené task_id alebo záznam v knižnici médií", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "transcription", "format": "json", "http_success": 200, "owned_result_fields_302": [ "task_id", "asset_url" ], "result": "owned complete JSON transcript" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "9f485f9d704ef2cd14f1", "label": "OpenAI: Whisper 1", "profiles": [ { "basis": "", "dimensions": { "conditions": "Predvolená konfigurácia" }, "label": "OpenAI: Whisper 1 · Predvolená konfigurácia", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "d4e53ea51572a9d8f9fcc8e4", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ[\"AILOOT_AUDIO_FILE\"])\nif not p.is_file() or p.suffix.lower()!=\".mp3\":raise SystemExit(\"Choose an existing MP3 recording\")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" \\\n --form-string model=openai/whisper-1 -F \"file=@$AILOOT_AUDIO_FILE\" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text())))\nPY_RESULT\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use actual recording and matching format.", "Preserve full transcript, segments, speaker IDs and timing." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "transcription" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-1", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/whisper-1", "request_model_id": "openai/whisper-1", "route_label": "Ultra" } ], "name": "OpenAI: Whisper 1", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Ultra", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_declared_unit", "conditions": {}, "key": "prompt", "label": "prompt", "quantity": "1", "rate_role": "typed_active_maker_rate", "side": "in", "unit": "input_audio_second" } ] } ], "public_id": "openai/whisper-1", "short": "Whisper 1 prepisuje dokončený zvukový súbor na text s viacjazyčným rozpoznávaním a časovými značkami slov alebo segmentov. Výrobca podporuje titulkové formáty a samostatný postup prekladu do angličtiny; výsledok prepisu zachováva jazyk nahrávky." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Whisper 1 prepisuje dokončený zvukový súbor na text s viacjazyčným rozpoznávaním a časovými značkami slov alebo segmentov. Výrobca podporuje titulkové formáty a samostatný postup prekladu do angličtiny; výsledok prepisu zachováva jazyk nahrávky.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "d6ab89826abd2f96841c9bf12acd9f9d5c8b15a2bd2658132915651d12810773", "renderer_sha256": "94893ba0fa4d7b7d32370787b705f436a4c2569f84ec7b33063549adc74b07e0" }, "sourceRevision": "8dc92340f7195a75ebcfb6c6b2d3784ab3c14c3cd36955c7874b6e2f62f3160c" }