OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe är OpenAI:s tal-till-text-modell som drivs av GPT-4o Mini. Den tar emot ljud med valfri textvägledning och producerar igenkänd text. Den är en annan modell än GPT-4o Transcribe, som använder GPT-4o, och den nyare profilen GPT Transcribe med sina separata fält för nyckelord och flerspråkiga ledtrådar. Det användbara resultatet här är en transkription av inspelningens ursprungliga tal, förberedd för sökning, granskning eller ett efterföljande steg för innehållsbearbetning.

Förbered inspelningen

OpenAI:s guide för filtranskribering accepterar ljuduppladdningar på upp till 25 MB. Dess aktuella endpointreferens listar FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV och WebM, med tillräckliga metadata för filnamn och innehållstyp för att identifiera ljudformatet. Större inspelningar kan komprimeras eller delas i delar på högst 25 MB. Bevara meningsgränserna vid uppdelningen och håll varje del kopplad till sin källinspelning och position så att texten senare kan sättas samman i rätt ordning.

För röstanteckningar sparar du en identifierbar transkription per inspelning och kontrollerar eventuella namn eller tal innan texten används för att skapa uppgifter. För en muntlig handledning jämför du den igenkända formuleringen med de ursprungliga instruktionerna innan den redigeras för publicering. Ett användbart förberedelseunderlag identifierar det talade språket och de termer som annars kan uppfattas fel. Att transkribera orden är det första steget; en tolkning, sammanfattning eller översättning kan använda den kontrollerade transkriptionen därefter.

Promptvägledning och en enda språkledtråd

Befintliga GPT-4o Mini Transcribe-integrationer stöder en fritt formulerad prompt. OpenAI beskriver promptar för namn, akronymer, inspelningsspecifikt ordförråd, interpunktion, versaler, utfyllnadsord och önskat skriftsystem. Endpointreferensen anger att prompten ska matcha ljudets språk och kan innehålla kontext från ett föregående ljudsegment. Ta med relevanta stavningar eller en kort beskrivning av ämnet i stället för att be en transkriptionsprompt fungera som en obegränsad chattinstruktion.

Modellens etablerade språkledtråd använder fältet language i singular. Tillverkarreferensen dokumenterar en indataspråkkod enligt ISO 639-1, exempelvis en. De separata fälten keywords och languages i plural dokumenteras för GPT Transcribe; de ingår inte i den här Mini-profilen. För en serie inspelningar sparar du den avsedda språkinställningen med varje indata i stället för att tolka den som en begäran att översätta resultatet.

JSON-resultat och valfria tokensannolikheter

Den aktuella endpointreferensen dokumenterar JSON som det svarsformat GPT-4o Mini Transcribe stöder. Den igenkända formuleringen finns i fältet text. När de begärs kan logaritmiska tokensannolikheter följa med JSON-svaret; dessa värden beskriver modellens tokensannolikheter och kan hjälpa till att hitta material för närmare granskning. De fastställer inte att ett namn, ett tal eller en mening matchar ljudet. Använd inspelningen för att avgöra om ett tveksamt ord ska korrigeras.

Den vanliga Mini-transkriptionsprofilen ger inte egna SRT-, VTT-, utförliga ordtidsstämpel- eller talarmärkta utdata genom det JSON-kontraktet. OpenAI dokumenterar specialiserade modeller och format för dessa förmågor. Om det avsedda resultatet är ett undertextspår sparar du den granskade transkriptionen för ett separat tidsättningsflöde i stället för att anta att ett textbaserat resultat redan innehåller undertextgränser.

Strömmad filutdata och dokumenterade lägen

Tillverkarens tal-till-text-guide anger uttryckligen att befintliga GPT-4o Mini Transcribe-integrationer stöder filströmning. En färdig inspelning kan ge partiell transkriptionstext följd av ett slutresultat medan den bearbetas. Bevara den slutliga transkriptionen som det färdiga resultatet; att partiell text visas innebär inte att filarbetsflödet kontinuerligt tar emot direkt mikrofonljud. Modellkortet listar separat endpointfamiljerna för transkribering och Realtime. Dessa tillverkargränssnitt innebär inte att varje sessionsfält från en annan transkriptionsmodell gäller här.

Kontext, utdatagräns och användbara kontroller

OpenAI:s aktuella modellspecifikation anger ett kontextfönster på 16 000 token, högst 2 000 token i utdata och en kunskapsgräns den 1 juni 2024. Detta är siffror ur modellspecifikationen, inte en universell längd i minuter för en ljudinspelning. Filstorleksregeln och en tokengräns beskriver olika begränsningar. För längre material förbereder du inspelningen enligt det dokumenterade filarbetsflödet, för med relevant kontext mellan delarna och kontrollerar att den slutliga texten innehåller källans slut.

Ett användbart Mini Transcribe-resultat bevarar formuleringen och dess koppling till inspelningen, med eventuella sannolikhetsdata åtskilda från redaktionella korrigeringar. Granska obekant ordförråd, accenter, bakgrundsljud, språkbyten och överlappande tal med originalljudet tillgängligt. När text bearbetas för läsbarhet skiljer du den redaktionella versionen från den igenkända transkriptionen så att senare användare kan se vilken formulering som kom från inspelningen och vilken som ändrades under förberedelsen.