Source: https://ailoot.ai/models/sv/openai-gpt-transcribe/ Canonical: https://ailoot.ai/models/sv/openai-gpt-transcribe/ Language: sv # OpenAI: GPT Transcribe [Markdown](https://ailoot.ai/models/sv/openai-gpt-transcribe/index.md) · [JSON](https://ailoot.ai/models/sv/openai-gpt-transcribe/facts.json) ## [OpenAI: GPT Transcribe](https://ailoot.ai/models/sv/openai-gpt-transcribe/) GPT Transcribe omvandlar inspelat tal till text på originalspråket med kontextpromptar, ordagranna nyckelordsledtrådar och ledtrådar om flera språk. OpenAI dokumenterar transkribering av färdiga filer, strömmade filresultat och transkribering efter att indatan för en ljudtur har bekräftats i Realtime. - [**Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` `openai/gpt-transcribe`](https://ailoot.ai/models/sv/openai-gpt-transcribe/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. 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. **Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` `openai/gpt-transcribe` [`openai/gpt-transcribe`](https://ailoot.ai/models/sv/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) OpenAI /`openai/gpt-transcribe` ### Start GPT Transcribe omvandlar inspelat tal till text på originalspråket med kontextpromptar, ordagranna nyckelordsledtrådar och ledtrådar om flera språk. OpenAI dokumenterar transkribering av färdiga filer, strömmade filresultat och transkribering efter att indatan för en ljudtur har bekräftats i Realtime. Godkända indata Ljud Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` Indatatyper `audio` Utdatatyper `text` | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser openai/gpt-transcribe | Standard— | | Fält`input_audio` | Typ`object` | KravObligatoriskt | Värden & gränser | Standard— | Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, input\_audio | | Parameter`material_types` | Avtalaudio | | Parameter`material_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}` ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration 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 | | Konfigurationsekund inkommande ljud | Prislista— | Debiteringsenhetper sekund indataljud | Avgift Indata · sekund inkommande ljud **$0.00015** per sekund indataljud | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Transkribering curl · faktisk WAV-fil och hela det ursprungliga resultatet ```bash set -eu : "${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. ``` ### Ta emot och spara resultat #### Ailoot Ultra · Transkribering Hela 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}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Behåll alla färdiga resultat 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. ##### Om det ursprungliga svaret behöver kontrolleras 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. Svarsfält | Fält | Typ | | --- | --- | | Fält`text (when present)` | Typ | | Fält`usage (when present)` | Typ | Fel och nästa steg | 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. | ### Alias #### Modellalias **Ailoot Ultra** [`openai/gpt-transcribe`](https://ailoot.ai/models/sv/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`openai/gpt-transcribe`](https://ailoot.ai/models/sv/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) FAQ · OpenAI: GPT Transcribe Vilka indata och resultat finns? `POST /v1/audio/transcriptions` · `openai/gpt-transcribe`: `audio` → `text` Vilka fält använder begäran? `POST /v1/audio/transcriptions` · `openai/gpt-transcribe`: `model`, `input_audio` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.