OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe je model OpenAI za pretvorbo govora v besedilo, ki temelji na GPT-4o Mini. Zvok pretvori v prepis JSON, podpira besedilne pozive za posamezni posnetek in pretočne rezultate iz datoteke ter lahko vrne logaritmične verjetnosti tokenov za usmerjeni pregled prepisa.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

GPT-4o Mini Transcribe je model OpenAI za pretvorbo govora v besedilo, ki temelji na GPT-4o Mini. Sprejema zvok z izbirnimi besedilnimi navodili in ustvari prepoznano besedilo. Ločen je od GPT-4o Transcribe, ki uporablja GPT-4o, in od novejšega profila GPT Transcribe z ločenimi polji za ključne besede in večjezične namige. Uporaben izdelek je tu prepis izvirnega govora s posnetka, pripravljen za iskanje, pregled ali poznejši korak obdelave vsebine.

Priprava posnetka

Vodnik OpenAI za prepis datotek sprejema nalaganje zvoka do 25 MB. Njegova trenutna referenca končne točke navaja FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV in WebM z zadostnimi metapodatki imena datoteke in tipa vsebine za prepoznavo zvočnega formata. Večje posnetke je mogoče stisniti ali razdeliti na dele z velikostjo največ 25 MB. Pri delitvi ohranite meje stavkov in vsak del povežite z izvornim posnetkom in položajem, da je besedilo pozneje mogoče sestaviti v pravilnem vrstnem redu.

Pri glasovnih zapiskih ohranite en prepoznaven prepis na posnetek in preverite imena ali številke, preden besedilo uporabite za ustvarjanje nalog. Pri govorjenem vodiču prepoznano besedilo primerjajte z izvirnimi navodili, preden ga uredite za objavo. Uporaben opis priprave določi govorjeni jezik in izraze, ki bi bili sicer lahko napačno slišani. Prepis besed je prvi korak; razlaga, povzetek ali prevod lahko preverjeni prepis uporabijo pozneje.

Navodila v pozivu in edninski jezikovni namig

Obstoječe integracije GPT-4o Mini Transcribe podpirajo prosto oblikovan poziv. OpenAI opisuje pozive za imena, kratice, besedišče posameznega posnetka, ločila, velike začetnice, mašila in prednostno pisavo. Referenca končne točke navaja, da mora poziv ustrezati jeziku zvoka in lahko prenese kontekst iz predhodnega zvočnega segmenta. Dodajte ustrezne zapise ali kratek opis teme, namesto da od poziva za prepis zahtevate vedenje neomejenega klepetalnega navodila.

Uveljavljeni jezikovni namig tega modela uporablja edninsko polje language. Proizvajalčeva referenca dokumentira kodo vhodnega jezika po ISO 639-1, na primer en. Ločeni polji keywords in množinski languages sta dokumentirani za GPT Transcribe; nista del tega profila Mini. Pri seriji posnetkov predvideno nastavitev govorjenega jezika ohranite ob vsakem vhodu, namesto da bi jo razlagali kot zahtevo za prevod rezultata.

Rezultat JSON in izbirne verjetnosti tokenov

Trenutna referenca končne točke dokumentira JSON kot podprti format odgovora GPT-4o Mini Transcribe. Prepoznano besedilo se pojavi v polju text. Na zahtevo lahko odgovor JSON spremljajo logaritmične verjetnosti tokenov; te vrednosti opisujejo modelove verjetnosti tokenov in lahko pomagajo prepoznati gradivo za podrobnejši pregled. Ne potrjujejo, da se ime, številka ali stavek ujema z zvokom. S posnetkom presodite, ali je treba vprašljivo besedo popraviti.

Običajni profil prepisa Mini v okviru teh zahtev JSON ne podaja izvornih izhodov SRT, VTT, podrobnih časovnih oznak besed ali izhoda z označenimi govorci. OpenAI za te zmožnosti dokumentira specializirane modele in formate. Če je predvideni izdelek podnapisna sled, pregledani prepis ohranite za ločen potek časovne razporeditve, namesto da bi predpostavili, da izključno besedilni rezultat že vsebuje meje podnapisov.

Pretočni izhod iz datoteke in dokumentirani načini

Proizvajalčev vodnik za pretvorbo govora v besedilo izrecno navaja, da obstoječe integracije GPT-4o Mini Transcribe podpirajo pretočno podajanje datotek. Dokončan posnetek lahko med obdelavo ustvari delno besedilo prepisa, ki mu sledi končni rezultat. Končni prepis ohranite kot dokončani izdelek; pojav delnega besedila ne pomeni, da datotečni potek neprekinjeno sprejema zvok mikrofona v živo. Kartica modela ločeno navaja družini končnih točk za prepis in Realtime. Ti proizvajalčevi vmesniki ne pomenijo, da tu velja vsako polje seje drugega modela za prepis.

Kontekst, obseg izhoda in uporabna preverjanja

Trenutna specifikacija modela OpenAI navaja kontekstno okno 16000 tokenov, največji izhod 2000 tokenov in mejo znanja 1. junija 2024. To so podatki specifikacije modela in ne univerzalna dolžina zvočnega posnetka v minutah. Pravilo velikosti datoteke in omejitev tokenov opisujeta različni omejitvi. Pri daljšem gradivu posnetek pripravite po dokumentiranem datotečnem poteku, ustrezni kontekst prenašajte med deli in preverite, ali končno besedilo vključuje konec vira.

Uporaben rezultat Mini Transcribe ohrani besedilo in njegovo povezavo s posnetkom, izbirni podatki o verjetnosti pa ostanejo ločeni od uredniških popravkov. Neznano besedišče, naglase, šum v ozadju, spremembe jezika in prekrivajoči se govor preverite ob dostopnem izvirnem zvoku. Pri urejanju besedila za berljivost to uredniško različico ločite od prepoznanega prepisa, da bodo poznejši uporabniki lahko razločili besedilo iz posnetka od besedila, spremenjenega med pripravo.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

OpenAI /openai/gpt-4o-mini-transcribe

Začetek

Dovoljeni vhodi: Zvok
Rezultati: Besedilo

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions

Vhod: audio
Izhod: text

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve openai/gpt-4o-mini-transcribe	Privzeto—
Polje`input_audio`	Vrsta`object`	ZahtevaObvezno	Vrednosti in omejitve	Privzeto—

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`content_type`	Specifikacijaapplication/json
Parameter`required`	Specifikacijamodel, input_audio
Parameter`material_types`	Specifikacijaaudio
Parameter`material_conditions`	SpecifikacijaPrimer prebere vašo dejansko neprazno datoteko PCM WAV, vse njene bajte kodira kot base64 in pošlje input_audio.format kot wav.

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · natančni task_id iz obstoječega zapisa medija v vaši lasti

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način: Ni navedeno Ko je izbran hitri način
Način flex: Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja: Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

Nastavitev	Cenovna lestvica	Obračunska enota	Strošek
NastavitevOsnovne cene žetonov	Cenovna lestvicaOsnovna cena	Obračunska enota—	Strošek Vhod · Vhodni žetoni — / 1K žetonov Izhod · Izhodni žetoni — / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov
Nastavitevvhodni žeton	Cenovna lestvica—	Obračunska enota/ 1K žetonov	Strošek Vhod $0.0025 / 1K žetonov
Nastavitevizhodni žeton	Cenovna lestvica—	Obračunska enota/ 1K žetonov	Strošek Izhod $0.01 / 1K žetonov

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Prepisovanje

curl · dejanska datoteka WAV in celoten izvirni rezultat

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/gpt-4o-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

Prejmi in shrani rezultate

Ailoot Ultra · Prepisovanje

Celotno izvirno telo odgovora, stanje in posredovane glave. Ta obdelovalnik ne dodaja univerzalne strukture JSON, besedilnega polja ali ovoja opravila.

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

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.

Če je treba preveriti izvirni odgovor

Ohranite dejanski X-Client-Request-ID in celoten odgovor. Berite prvotna sredstva v vaši lasti in njihove natančne podpisane URL-je vsebine; negotovega ustvarjanja nikoli ne oddajte znova.

Polja odgovora

Polje	Vrsta
Polje`text (when present)`	Vrsta
Polje`usage (when present)`	Vrsta

Napake in naslednji koraki

Odgovor	Pogoj	Naslednji korak
Odgovor400 · `invalid_request_error`	PogojTelo JSON ali izrecni kanonični ID modela ni veljaven.	Naslednji korakOhranite odgovor in popravite navedeno polje zahteve.
Odgovor401 · `authentication_error`	PogojKljuč Ailoot API ni veljaven.	Naslednji korakUporabite svoj pooblaščeni ključ Ailoot API.
Odgovor403 · `permission_error`	PogojSkupina ključa ne dovoljuje te metode.	Naslednji korakOhranite vrnjene podrobnosti napake.
Odgovor404 · `not_found_error`	PogojIzbrana metoda nima dovoljene poti.	Naslednji korakOhranite vrnjene podrobnosti napake.
Odgovor422 · `price_unavailable`	PogojSprejeta tarifa ne more pridobiti zahtevane vhodne količine ali meje.	Naslednji korakOhranite odgovor; uporabite vhodno predstavitev, ki jo zahteva sprejeta tarifa.
Odgovor503 ·	PogojZahtevana shramba, pot, cena metode ali rezervacija ni na voljo.	Naslednji korakOhranite celoten prvotni odgovor. Negotova rezervacija ne dovoljuje ponovne oddaje.
Odgovor502 · `server_error`	PogojPrvotni rezultat, porabo ali obračun je treba preveriti.	Naslednji korakOhranite dejanski ID zahteve in prvotni odgovor. Berite obstoječi zapis v vaši lasti; ustvarjanja ne oddajte znova.

Druga imena

Druga imena modelov

Ailoot Ultra openai/gpt-4o-mini-transcribe

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
Katera polja uporablja zahteva?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe