OpenAI: GPT Transcribe

GPT Transcribe är OpenAI:s modell för tal till text för färdiga ljudfiler, strömmade filtranskriptioner och ljudturer med uttryckligen bekräftad indata i Realtime-sessioner. Den tar emot ljud med valfri textkontext och returnerar igenkänd text. Tillverkaren positionerar den för noggrann transkribering av inspelat tal på originalspråket, inklusive facktermer, flerspråkiga inspelningar och språkväxling. Ett användbart resultat är en transkription som förblir kopplad till inspelningen, med metadata om upptäckt språk när modellen kan göra en tillförlitlig bedömning.

Förbered en färdig inspelning

OpenAI:s arbetsflöde för filtranskribering tar emot uppladdningar på upp till 25 MB. Den aktuella endpointreferensen anger indataformaten FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV och WebM och rekommenderar tillräcklig filmetadata för att identifiera formatet, inklusive en lämplig filändelse och innehållstyp. För en större inspelning rekommenderar guiden komprimering eller uppdelning i filer på högst 25 MB. Undvik att dela mitt i en mening, eftersom borttaget omgivande tal kan försämra igenkänningen. Behåll delarna i ordning och bevara deras positioner i den ursprungliga inspelningen.

För ett möte, en intervju eller en inspelad presentation ska du lämna det faktiska ljudet och identifiera ämnet och de termer som sannolikt kommer att uttalas. Ett användbart resultat är den igenkända ordalydelsen, inte en härledd sammanfattning av diskussionen. Bevara inspelningens identifierare tillsammans med den returnerade texten så att en person som kontrollerar ett namn, ett tal eller en osäker fras kan återvända till rätt källa. En transkription kan sedan bli material för ett separat arbetsflöde för sammanfattning, översättning eller redigering.

Kontext, nyckelordsledtrådar och förväntade språk

Tillverkaren skiljer mellan tre typer av vägledning. En prompt ger fri kontext om inspelningens ämne eller situation. Nyckelord anger ordagranna ord eller fraser som förväntas i talet. En språklista identifierar de språk som förväntas talas. För en tvåspråkig produktdiskussion ska du beskriva situationen i prompten, ange relevanta produktnamn som nyckelord och lämna de förväntade språken. Det här är igenkänningsledtrådar, inte instruktioner att infoga ord som ingen har sagt.

GPT Transcribe använder pluralfältet languages i stället för det äldre singularfältet language; OpenAI anger att båda inte ska skickas samtidigt. Guiden tar emot stödda ISO 639-1-koder, utvalda ISO 639-3-koder och regionala kinesiska lokalkoder, medan värden som inte stöds eller har fel format avvisas. Varje nyckelord måste ligga på en enda rad och får inte innehålla en vinkelparentes, vagnretur eller radmatning. Ett ogiltigt nyckelord eller en för lång prompt kan göra att hela begäran avvisas. Håll kontexten relevant och kontrollera om föreslagna namn faktiskt förekommer i ljudet i stället för att behandla ledtrådslistan som transkriptionen.

JSON-utdata och bedömningar av upptäckta språk

Det dokumenterade filresultatet är JSON med transkriptionen och upptäckta språk. Dessa språkbedömningar är modellens utdata, inte en kopia av de angivna språkledtrådarna. En tom språklista är ett giltigt resultat när modellen inte kan göra en tillförlitlig bedömning; den visar inte att inspelningen var tyst eller att transkriberingen misslyckades. Håll den igenkända texten och språkmetadatan åtskilda så att efterföljande bearbetning kan använda dem var för sig enligt deras betydelse.

Strömma en filtranskription

En färdig fil kan ge transkriptionstext stegvis medan den bearbetas. OpenAI dokumenterar transcript.text.delta-händelser för deltext och transcript.text.done för hela filtranskriptionen; den sista händelsen innehåller också upptäckta språk. Det här strömmar resultatet från en inspelning som redan har lämnats in. Det är användbart för att visa framsteg för en lång uppladdning, medan sluthändelsen fastställer den text som ska bevaras som det färdiga resultatet.

Bekräftade ljudturer i Realtime-sessioner

GPT Transcribe har också ett specialiserat Realtime-arbetsflöde över WebSocket. Ljud läggs till i indatabufferten, varefter applikationen i ett separat steg uttryckligen bekräftar indatan för en ljudtur. Transkriberingen börjar för det bekräftade segmentet och kan ge delresultat före dess sluthändelse, inklusive information om upptäckt språk. Modellen använder automatiskt tidigare transkriberade yttranden som kontext i tillverkarens sessionsflöde. Det här skiljer sig från att fortlöpande skicka text för direkttextning när mikrofonljud anländer; OpenAI anger GPT Live Transcribe för det kontinuerliga arbetsflödet.

För flera yttranden ska du bevara indatapostens identifierare tillsammans med motsvarande transkription. OpenAI varnar för att sluthändelser från olika yttranden inte behöver anlända i talordning, så koppla varje slutresultat till rätt bekräftad indata i stället för att ordna en konversation enbart efter sluttid. Den användbara artefakten är en ordnad transkription som satts samman från rätt slutposter, där tillfällig text behandlas som framsteg och inte som ett separat färdigt yttrande.

Specialiserade resultat och väsentliga begränsningar

Den här profilen ger inget universellt kontrakt för undertexter, tidsstämplar, översättning eller talaretiketter. OpenAI:s migreringsguide skiljer mellan dessa specialiserade funktioner: undertextformat i modellens utdata och tidsangivelser för ord kräver en kompatibel modell och ett kompatibelt format, medan talaretiketter använder GPT-4o Transcribe Diarize. GPT Transcribes filresultat är JSON, inte en direkt ersättning för SRT, VTT eller ett utförligt svar med tidsstämplar. Dess exakta modellbeskrivning publicerar inget numeriskt kontextutrymme eller någon maximal utdatabudget, så ett tokenfönster för en chattmodell ska inte antas för ljudtranskribering.

Granska svåra termer, tal, accenter, bakgrundsljud och språkbyten mot inspelningen. Kontrollera att relevanta ledtrådar förbättrade igenkänningen utan att införa outtalade termer och att den slutliga transkriptionen innehåller ljudets slut. För ett flerspråkigt resultat ska du bevara det som sades innan du förbereder en översättning. Dessa kontroller gör transkriptionen användbar som källmaterial samtidigt som kontextledtrådar, upptäckta språk och igenkänt tal hålls tydligt åtskilda.