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.
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.
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.
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.
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.
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.
", "aboutText": "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.\n\n### Förbered inspelningen\n\nOpenAI: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.\n\nFör 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.\n\n### Promptvägledning och en enda språkledtråd\n\nBefintliga 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.\n\nModellens 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.\n\n### JSON-resultat och valfria tokensannolikheter\n\nDen 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.\n\nDen 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.\n\n### Strömmad filutdata och dokumenterade lägen\n\nTillverkarens 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.\n\n### Kontext, utdatagräns och användbara kontroller\n\nOpenAI: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.\n\nEtt 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c6b54165570dd58a8a723b1fe00d8f19ba2e336abf0455220e3a53087351e946", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "openai/gpt-4o-mini-transcribeGPT-4o Mini Transcribe är OpenAI:s tal-till-text-modell som drivs av GPT-4o Mini. Den omvandlar ljud till en JSON-transkription, stöder inspelningsspecifika textpromptar och strömmade filresultat och kan returnera logaritmiska tokensannolikheter för riktad granskning av transkriptionen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
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.
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.
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.
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.
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.
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.
POST /v1/audio/transcriptionsaudiotext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4o-mini-transcribe | Standard— |
Fältinput_audio | Typobject | KravObligatoriskt | Värden & gränser | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, input_audio |
Parametermaterial_types | Avtalaudio |
Parametermaterial_conditions | AvtalExemplet läser din faktiska, icke-tomma PCM WAV-fil, kodar filens samtliga byte som base64 och skickar input_audio.format som wav. |
Livscykel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · exakt task_id från en befintlig mediepost som du äger
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Debiteringsenhet | Avgift |
|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Debiteringsenhet— | Avgift Indata · Indatatoken — / 1K token Utdata · Utdatatoken — / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| Konfigurationindatatoken | Prislista— | Debiteringsenhet/ 1K token | Avgift Indata $0.0025 / 1K token |
| Konfigurationutdatatoken | Prislista— | Debiteringsenhet/ 1K token | Avgift Utdata $0.01 / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/gpt-4o-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nHela den ursprungliga svarskroppen, statusen och vidarebefordrade svarshuvuden. Denna hanterare lägger inte till någon universell JSON-struktur, något textfält eller något uppgiftshölje.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela svaret med headers, samtliga faktiska resultat, de ursprungliga returnerade identifierarna och alla användningsfält. Hämta den ursprungliga operationen utan att skicka skapandeförfrågan igen.
Behåll faktiskt X-Client-Request-ID och hela svaret. Läs de ursprungliga tillgångarna som du äger och deras exakta signerade innehållslänkar; skicka aldrig en osäker skapandebegäran igen.
| Fält | Typ |
|---|---|
Fälttext (when present) | Typ |
Fältusage (when present) | Typ |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorJSON-kroppen eller det uttryckliga kanoniska modell-ID:t är ogiltigt. | Nästa stegBehåll svaret och korrigera det angivna fältet i begäran. |
Svar401 · authentication_error | VillkorAPI-nyckeln för Ailoot är ogiltig. | Nästa stegAnvänd din behöriga API-nyckel för Ailoot. |
Svar403 · permission_error | VillkorNyckelgruppen ger inte tillträde till denna metod. | Nästa stegBehåll de returnerade feluppgifterna. |
Svar404 · not_found_error | VillkorDen valda metoden har ingen tillåten rutt. | Nästa stegBehåll de returnerade feluppgifterna. |
Svar422 · price_unavailable | VillkorDen accepterade tariffen kan inte fastställa den mängd eller gräns för indata som krävs. | Nästa stegBehåll svaret; använd den representation av indata som den accepterade tariffen kräver. |
Svar503 · | VillkorNödvändig lagring, rutt, metodpris eller reservation är inte tillgänglig. | Nästa stegBehåll hela det ursprungliga svaret. En osäker reservation ger inte tillstånd att skicka in igen. |
Svar502 · server_error | VillkorDet ursprungliga resultatet, förbrukningen eller avräkningen kräver kontroll. | Nästa stegBehåll det faktiska begärans-ID:t och det ursprungliga svaret. Läs den befintliga posten som du äger; skicka inte skapandebegäran igen. |
Ailoot Ultra openai/gpt-4o-mini-transcribe
Använd metodsökvägarna som visas ovan.