OpenAI: Whisper 1

Whisper 1 prepiše dokončano zvočno datoteko v besedilo z večjezičnim prepoznavanjem ter časovnimi oznakami besed ali segmentov. Proizvajalec podpira podnapisne formate in ločen potek prevoda v angleščino; rezultat prepisovanja ohrani jezik posnetka.

Ailoot Ultra · Prepoznavanje govora POST /v1/audio/transcriptions openai/whisper-1

O modelu

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

Whisper 1 je OpenAI-jev splošni model API za prepoznavanje govora, za katerega je dokumentirano, da temelji na odprtokodnem modelu Whisper V2. Sprejme zvočno datoteko in vrne besedilo. Razvijalec opisuje večjezično prepoznavanje, prepoznavanje jezika in ločeno nalogo prevajanja govora. Prepisovanje ohrani govorjeni jezik; proizvajalčev ločeni prevajalski vmesnik vrne angleško besedilo.

Uporabna aplikacija je priprava intervjuja, glasovnega zapiska ali posnetega pogovora za poznejše iskanje in urejanje. Posredujte dokončan posnetek in njegov vhodni jezik, če je znan. OpenAI dokumentira 98 podprtih jezikov in opozarja, da se natančnost prepoznavanja razlikuje glede na jezik. Namig za posamezni jezik uporablja kodo ISO 639-1; novejša polja za več jezikov in ključne besede pri drugih modelih prepisovanja so ločene nastavitve.

Proizvajalčev potek prepisovanja datotek sprejema datoteke do 25 MB v formatih MP3, MP4, MPEG, MPGA, M4A, WAV ali WebM. Za večji posnetek uporabite stisnjen format ali ga razdelite na dele znotraj omejitve. Ohranite stavčne meje in vrstni red delov, da sestavljeni prepis ostane povezan z izvirnim posnetkom. Videovsebnik za to nalogo prispeva svoj zvok, ne vnosa za opisovanje slike.

Navodilo lahko posreduje imena, kratice ali besedišče, specifično za posnetek, ter kontekst iz predhodnega segmenta. Omejitev navodila Whisper je 224 žetonov, navodilo pa naj se ujema z jezikom zvoka. Razvijalec navaja, da Whisper ne sledi navodilom kot splošni besedilni model. Navodilo uporabite kot ustrezen kontekst prepisovanja, nato pa pomembne zapise preverite glede na posnetek, namesto da bi seznam izrazov obravnavali kot besede, ki jih je govorec nujno izrekel.

Proizvajalec dokumentira formate prepisovanja JSON, navadno besedilo, SRT, VTT in verbose JSON. Časovne oznake besed in segmentov zahtevajo verbose JSON; zahtevati je mogoče eno ali obe ravni podrobnosti. Referenca API opozarja, da časovne oznake segmentov ne dodajo zakasnitve, časovne oznake besed pa potrebujejo dodatno obdelavo. Ti izhodi podpirajo podnaslavljanje in iskanje odlomkov med urejanjem; oznake razločevanja govorcev pripadajo drugemu specializiranemu modelu.

Whisper 1 ne podpira pretočnega prepisovanja datotek. Njegova referenca dokumentira tudi temperaturo vzorčenja med nič in ena; pri nič lahko model samodejno zviša temperaturo, kadar to zahtevajo njegovi pragovi dekodiranja. To opisuje proizvajalčeve nastavitve obdelave, ne obljube, da bo vsak posnetek ustvaril enak ali popolnoma natančen prepis.

Določite končni izdelek: prepis za iskanje, datoteko podnapisov ali besedilo s časovnimi podatki besed oziroma segmentov. Z rezultatom hranite izvirni posnetek, vrstni red delov in ustrezne časovne sklice na vir. Poznejši korak urejanja besedila lahko popravi napačen zapis ali pripravi povzetek, vendar spremembe primerjajte z zvokom, da ohranite govorčev pomen. Prepoznano besedilo postane dokaz za naslednjo nalogo, ne ustvarjen odgovor na izgovorjeno vprašanje.

Ailoot Ultra · Prepoznavanje govora POST /v1/audio/transcriptions openai/whisper-1

openai/whisper-1

OpenAI /openai/whisper-1

Začetek

Dovoljeni vhodi: Zvok
Rezultati: transcription

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Prepoznavanje govora POST /v1/audio/transcriptions

Vhod: audio
Izhod: transcription
Izhodni format: json

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve openai/whisper-1	Privzeto—
Polje`file`	Vrsta`file`	ZahtevaObvezno	Vrednosti in omejitve Vrsta vsebine: multipart/form-data	Privzeto—
Polje`response_format`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve json	Privzeto—
Polje`input_audio.data`	Vrsta`base64_string`	ZahtevaObvezno	Vrednosti in omejitve Velja, ko: Vhod JSON za WhisperOR	Privzeto—
Polje`input_audio.format`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve wav, mp3, flac, ogg, m4a, webm Velja, ko: Vhod JSON za WhisperOR	Privzeto—

Kombinacije vhodnih gradiv

· Obvezno: model, file

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`contours`	Specifikacija{"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}
Parameter`max_bytes`	Specifikacija26214400
Parameter`material_types`	Specifikacijaaudio

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Uporabite dejanski posnetek in ustrezno obliko.

Ohranite celoten prepis, segmente, ID-je govorcev in časovne podatke.

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 $0.0002 na sekundo vhodnega zvoka

Podrobnosti referenčne tarife

Referenčne lestvice modela ne spreminjajo izbire metode, ocen cen ali stroškov. Veljavni stroški uporabljajo cene izbrane metode Ailoot.

OpenAI: Whisper 1

Cene po nastavitvah

Nastavitev	Obračunski pogoji	Strošek
NastavitevOpenAI: Whisper 1 · Privzeta konfiguracija	Obračunski pogojiPrivzeta konfiguracija	Strošek Vhod · Sekunde vhodnega zvoka 0,0002 $ 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 · Prepoznavanje govora

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
p=Path(os.environ["AILOOT_AUDIO_FILE"])
if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \
  -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text())))
PY_RESULT

Prejmi in shrani rezultate

Ailoot Ultra · Prepoznavanje govora

json

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

Branje druge vsebine

Medijska knjižnicaStanje opravilaPodrobnosti gradiva

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Ohrani vse dokončane rezultate

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

Ohranite celoten JSON in ne samo besedila; ohranite vsak razpoložljivi segment/govorca/časovno oznako in dejansko identiteto opravila/sredstva.

Če je treba preveriti izvirni odgovor

Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.

Polja odgovora

Polje	Vrsta
Polje`text`	Vrstastring
Polje`segments[]`	Vrstaobject
Polje`task_id`	Vrstastring
Polje`asset_url`	Vrstastring
Polje`usage`	Vrstaobject

Napake in naslednji koraki

Odgovor	Pogoj	Naslednji korak
Odgovor400 · `invalid_request_error`	PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra	Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.
Odgovor`server_error`	PogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti	Naslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova.

Druga imena

Druga imena modelov

Ailoot Ultra openai/whisper-1

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

openai/whisper-1

FAQ · OpenAI: Whisper 1

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/transcriptions · openai/whisper-1: audio → transcription
Katera polja uporablja zahteva?: POST /v1/audio/transcriptions · openai/whisper-1: model, file, response_format

OpenAI: Whisper 1

OpenAI: Whisper 1

Začetek

Na voljo v Ailoot · vhodi in metode

Cenik

Cene Ailoot

Cene po nastavitvah

Podrobnosti referenčne tarife

Cene po nastavitvah

Primeri zahtev

Ailoot Ultra · Prepoznavanje govora

Prejmi in shrani rezultate

Ailoot Ultra · Prepoznavanje govora

Ohrani vse dokončane rezultate

Če je treba preveriti izvirni odgovor

Druga imena

Druga imena modelov

Druga imena poti metod

Povezani ID-ji za klic

Podjetje in njegov portfelj projektov

Žetone kupujte s popustom.

API povežite z izdelkom, ki ga prodajate.