OpenAI: GPT Transcribe

GPT Transcribe pretvori posneti govor v besedilo v izvirnem jeziku s kontekstnimi pozivi, dobesednimi namigi za ključne besede in namigi za več jezikov. OpenAI dokumentira prepis dokončanih datotek, pretočne rezultate datotek in prepis po potrjenih zvočnih vnosih v Realtime.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions openai/gpt-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 Transcribe je model OpenAI za pretvorbo govora v besedilo za dokončane zvočne datoteke, pretočne prepise datotek in potrjene zvočne vnose v sejah Realtime. Sprejema zvok z neobveznim besedilnim kontekstom in vrača prepoznano besedilo. Proizvajalec ga predstavlja za natančen prepis posnetega govora v izvirnem jeziku, vključno s strokovnim besediščem, večjezičnimi posnetki in preklapljanjem med jeziki. Njegov uporabni izhod je prepis, povezan s posnetkom, z metapodatki zaznanega jezika, kadar lahko model poda zanesljivo napoved.

Priprava dokončanega posnetka

Postopek OpenAI za prepis datotek sprejema naložene datoteke do 25 MB. Trenutna referenca končne točke navaja vhodne formate FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV in WebM ter priporoča dovolj metapodatkov datoteke za določitev formata, vključno z ustrezno končnico imena datoteke in vrsto vsebine. Pri večjem posnetku vodnik priporoča stiskanje ali delitev v datoteke po 25 MB ali manj. Ne režite sredi stavka, saj lahko odstranitev okoliškega govora zmanjša natančnost prepoznavanja. Dele ohranite po vrsti in shranite njihova mesta v izvirnem posnetku.

Pri sestanku, intervjuju ali posneti predstavitvi podajte dejanski zvok in določite temo ter izraze, ki bodo verjetno izgovorjeni. Uporaben rezultat je prepoznano besedilo, ne sklepan povzetek razprave. Identifikator posnetka ohranite ob vrnjenem besedilu, da se bo oseba, ki preverja ime, številko ali negotovo frazo, lahko vrnila k pravemu viru. Prepis lahko nato postane gradivo za ločeno povzemanje, prevajanje ali uredniški postopek.

Kontekst, namigi za ključne besede in pričakovani jeziki

Proizvajalec loči tri vrste usmerjanja. Poziv poda prosto oblikovan kontekst o temi ali okolju posnetka. Ključne besede podajo dobesedne besede ali fraze, pričakovane v govoru. Seznam languages določi pričakovane govorjene jezike. Pri dvojezični razpravi o izdelku opišite okolje v pozivu, ustrezna imena izdelkov navedite kot ključne besede in podajte pričakovane jezike. To so namigi za prepoznavanje, ne navodila za vstavljanje besedišča, ki ga ni nihče izgovoril.

GPT Transcribe uporablja množinsko polje languages namesto starejšega edninskega polja language; OpenAI navaja, naj se ne pošiljata obe. Njegov vodnik sprejema podprte kode ISO 639-1, izbrane kode ISO 639-3 in regionalne kode kitajskih jezikovnih različic, nepodprte ali nepravilno oblikovane vrednosti pa zavrne. Vsaka ključna beseda mora ostati v eni vrstici in ne sme vsebovati kotnega oklepaja, znaka za vrnitev na začetek vrstice ali znaka za prehod v novo vrstico. Neveljavna ključna beseda ali predolg poziv lahko povzroči zavrnitev celotne zahteve. Kontekst naj bo ustrezen; preverite, ali se nakazana imena dejansko pojavijo v zvoku, namesto da seznam namigov obravnavate kot prepis.

Izhod JSON in napovedi zaznanega jezika

Dokumentirani rezultat datoteke je JSON s prepisom in zaznanimi jeziki. Te jezikovne napovedi so izhod modela, ne kopija podanih jezikovnih namigov. Prazen seznam jezikov je veljaven rezultat, kadar model ne more podati zanesljive napovedi; ne dokazuje, da je bil posnetek tih ali da prepis ni uspel. Prepoznano besedilo in jezikovne metapodatke hranite ločeno, da ju lahko nadaljnja obdelava uporabi glede na njun pomen.

Pretakanje prepisa datoteke

Dokončana datoteka lahko med obdelavo postopno ustvarja besedilo prepisa. OpenAI dokumentira dogodke transcript.text.delta za delno besedilo in transcript.text.done za celoten prepis datoteke; končni dogodek vključuje tudi zaznane jezike. Tako se pretaka izhod že podanega posnetka. To je uporabno za prikaz napredka pri dolgi naloženi datoteki, končni dogodek pa določi besedilo, ki naj se ohrani kot dokončan rezultat.

Potrjeni zvočni vnosi v sejah Realtime

GPT Transcribe ima tudi specializirani postopek Realtime prek WebSocket. Zvok se dodaja v vhodni medpomnilnik, nato aplikacija izrecno potrdi zvočni vnos. Prepis se začne za ta potrjeni del in lahko pred dogodkom dokončanja oddaja delne spremembe, vključno z informacijami o zaznanem jeziku. Model v tem proizvajalčevem postopku seje samodejno uporablja prejšnje prepisane vnose kot kontekst. To se razlikuje od neprekinjenega oddajanja besedila sprotnih podnapisov ob prihajanju zvoka iz mikrofona; OpenAI za ta neprekinjeni postopek navaja GPT Live Transcribe.

Pri več vnosih ohranite identifikator vhodne postavke skupaj z ustreznim prepisom. OpenAI opozarja, da dogodki dokončanja različnih vnosov niso nujno prejeti v vrstnem redu govora, zato vsak končni rezultat povežite z njegovim potrjenim vhodom, namesto da pogovor uredite samo po času dokončanja. Uporaben izdelek je urejen prepis, sestavljen iz pravih končnih postavk, pri čemer se vmesno besedilo obravnava kot prikaz napredka, ne kot ločena dokončana izjava.

Specializirani izhodi in vsebinske omejitve

Ta profil ne določa splošno veljavne specifikacije za podnapise, časovne oznake, prevod ali oznake govorcev. Migracijski vodnik OpenAI razlikuje te specializirane zmogljivosti: izvorni formati podnapisov in časovne oznake besed potrebujejo združljiv model in format, oznake govorcev pa uporabljajo GPT-4o Transcribe Diarize. Rezultat datoteke GPT Transcribe je JSON, ne neposredno zamenljiv odgovor SRT, VTT ali odgovor s podrobnimi časovnimi oznakami. Njegova konkretna kartica modela ne objavlja številčne kontekstne ali največje izhodne kvote, zato pri prepisovanju zvoka ne smemo predpostaviti okna žetonov klepetalnega modela.

Zahtevno besedišče, številke, naglase, šum v ozadju in spremembe jezika preverite glede na posnetek. Preverite, ali so ustrezni namigi izboljšali prepoznavanje brez vstavljanja neizgovorjenih izrazov in ali končni prepis vključuje konec zvoka. Pri večjezičnem rezultatu ohranite izgovorjeno besedilo, preden pripravite prevod. Ta preverjanja naredijo prepis uporaben kot izvorno gradivo, hkrati pa jasno ločijo kontekstne namige, zaznane jezike in prepoznani govor.

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

openai/gpt-transcribe

OpenAI /openai/gpt-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-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
Nastavitevsekunda vhodnega zvoka	Cenovna lestvica—	Obračunska enotana sekundo vhodnega zvoka	Strošek Vhod · sekunda vhodnega zvoka $0.00015 na sekundo vhodnega zvoka

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-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-transcribe

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

openai/gpt-transcribe

FAQ · OpenAI: GPT Transcribe

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

OpenAI: GPT Transcribe