OpenAI: GPT-4o Transcribe

GPT-4o Transcribe pretvori zvok v besedilo z zmožnostmi prepoznavanja govora GPT-4o podjetja OpenAI. Podpira kontekstne pozive, namig za jezik vhoda, prepise JSON, pretočni izhod iz datoteke in izbirne logaritmične verjetnosti tokenov za pregled negotovega besedila.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions openai/gpt-4o-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 Transcribe je model OpenAI za pretvorbo govora v besedilo, ki temelji na GPT-4o. Njegov vhod je zvok z izbirnimi besedilnimi navodili, izhod pa prepoznano besedilo. Ločen je od različice GPT-4o Mini Transcribe in od GPT-4o Transcribe Diarize, specializiranega modela za označevanje govorcev. Ta profil uporabite za pripravo zvestega besedilnega zapisa govorjenega gradiva, izvorni posnetek pa ohranite za pregled in poznejše uredniško delo.

Vhodne datoteke in priprava dolgega gradiva

Vodnik OpenAI za prepis dokumentira nalaganje do 25 MB. Trenutna referenca končne točke sprejema FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV in WebM ter priporoča metapodatke, ki določajo format, vključno z imenom datoteke s končnico in ustreznim tipom vsebine. Pri večjem posnetku proizvajalčevim smernicam za daljši vhod sledi stiskanje ali urejeni deli z velikostjo največ 25 MB. Izognite se delitvi sredi stavka in ohranite položaj vsakega dela v celotnem posnetku.

Pri intervjuju vsako vhodno datoteko povežite s posnetkom in odsekom, ki ga pokriva. Pri tehnični predstavitvi pripravite ustrezna imena izdelkov, kratice in strokovno besedišče kot kontekst, nato njihov zapis preverite glede na dejanske govorčeve besede. Pri posneti razlagi s številčnimi vrednostmi prepis preverite ob viru, preden ga spremenite v pisni postopek. Prvi želeni izdelek je prepoznani govor v besedilni obliki; strnjeno poročilo ali prevedeni dokument lahko iz tega besedila nastane v ločenem koraku.

Pozivi za posamezni posnetek in izbira jezika

Proizvajalčev vodnik GPT-4o Transcribe izrecno vključuje med modele s podporo za pozive. Poziv lahko poda pravilen zapis, kontekst iz prejšnjega segmenta in želje glede ločil, velikih začetnic, mašil ali pisave. Referenca določa, da mora ustrezati jeziku posnetka. Kratek in ustrezen opis teme in besedišča prepisu poda uporaben kontekst, ne da bi neizgovorjene izraze obravnaval kot obvezni izhod.

Ta profil podpira edninski namig za jezik language, dokumentiran v obliki ISO 639-1. Navedba dejanskega vhodnega jezika lahko pomaga prepoznavanju. Novejši polji keywords in množinski languages modela GPT Transcribe pripadata temu ločeno poimenovanemu modelu in ju ni mogoče predpostaviti za GPT-4o Transcribe. Jezikovno nastavitev povežite s prepisovanim govorom in pred poznejšim prevodom ali slogovnim preoblikovanjem ohranite izvirno besedilo.

Format rezultata, verjetnosti in specializirani izhodi

Trenutna referenca končne točke dokumentira JSON kot podprti format odgovora GPT-4o Transcribe. Rezultat vsebuje prepoznano besedilo, s tem formatom JSON pa je mogoče izbirno zahtevati logaritmične verjetnosti tokenov. Podatki o verjetnosti opisujejo modelovo izbiro tokenov. Pomagajo lahko določiti odlomke za pregled, primerjava z zvokom pa pokaže, ali prepis ponovi težavno ime, številko ali frazo.

Rezultat JSON standardnega profila ne podaja izvornih formatov podnapisov, podrobnih časovnih oznak besed ali pripisav govorcev. OpenAI dokumentira druge izbire modelov in formatov, kadar so ti izhodi potrebni; GPT-4o Transcribe Diarize je ločena različica za označevanje govorcev. Pri podnaslavljanju ohranite preverjeni prepis za ustrezen korak časovne razporeditve. Pri pogovoru ne izmišljajte imen govorcev zgolj zato, ker se zdi, da odstavek prepisa spremeni temo ali glas.

Pretočni rezultati iz dokončane datoteke

Vodnik OpenAI za pretvorbo govora v besedilo navaja, da obstoječe integracije GPT-4o Transcribe podpirajo pretočno podajanje datotek. Aplikacija najprej predloži posnetek, nato med njegovo obdelavo prejema besedilo prepisa in ohrani dokončani rezultat. To pretočno podaja prepis dokončanega posnetka, namesto da bi sprejemalo zvok mikrofona med njegovim prihajanjem. Točna kartica modela navaja tudi družini končnih točk za prepis in Realtime; vedenje sej, specifično za model, mora ostati povezano s tem profilom in se ne sme prevzeti iz novejšega modela z neprekinjenim pretočnim podajanjem.

Omejitve modela in pregled končnega izdelka

Trenutna specifikacija GPT-4o Transcribe navaja kontekstno okno 16000 tokenov, največji izhod 2000 tokenov in mejo znanja 1. junija 2024. Te omejitve tokenov niso fiksna dolžina zvoka in ne nadomestijo pravil priprave datotek za prepis. Pri daljšem posnetku ohranite izvorni vrstni red in ustrezni predhodni kontekst, nato preverite, ali dokončano besedilo doseže konec vsakega predvidenega segmenta.

Uporaben končni prepis lahko postane gradivo intervjuja, po katerem je mogoče iskati, vir tehnične dokumentacije ali besedilo za poznejši potek podnaslavljanja. Negotovo besedišče, količine, ločila, naglase in prekrivajoči se govor preverite glede na posnetek. Prepoznano besedilo ločite od poznejših popravkov ali povzetkov in povezavo z virom ohranite prek identifikatorjev v okoliškem poteku dela. Model poda besedilni zapis; skrbna priprava vhoda in pregled vira določita, ali je zapis primeren za naslednjo uporabo.

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

openai/gpt-4o-transcribe

OpenAI /openai/gpt-4o-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-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 $0.005 / 1K žetonov
Nastavitevizhodni žeton	Cenovna lestvica—	Obračunska enota/ 1K žetonov	Strošek Izhod $0.02 / 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-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-transcribe

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

openai/gpt-4o-transcribe

FAQ · OpenAI: GPT-4o Transcribe

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

OpenAI: GPT-4o Transcribe