OpenAI: Whisper 1

Whisper 1 transkriberar en färdig ljudfil till text med flerspråkig igenkänning och tidsstämplar för ord eller segment. Producenten stöder undertextformat och ett separat flöde för översättning till engelska; transkriptionsresultatet bevarar inspelningens språk.

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

Om modellen

Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.

Whisper 1 är OpenAI:s generella API-modell för taligenkänning, dokumenterad som driven av modellen Whisper V2 med öppen källkod. Den tar emot en ljudfil och returnerar text. Tillverkaren beskriver flerspråkig igenkänning, språkidentifiering och en separat uppgift för talöversättning. Transkribering bevarar det talade språket; producentens separata översättningsgränssnitt returnerar engelsk text.

En användbar tillämpning är att förbereda en intervju, röstanteckning eller inspelat samtal för senare sökning och redigering. Ange den färdiga inspelningen och, om det är känt, dess indataspråk. OpenAI dokumenterar 98 språk som stöds och påpekar att igenkänningsnoggrannheten varierar mellan språk. Språkledtråden för ett enda språk använder en ISO 639-1-kod; de nyare fälten för flera språk och nyckelord i andra transkriptionsmodeller är separata kontroller.

Producentens flöde för filtranskribering tar emot filer på upp till 25 MB i formaten MP3, MP4, MPEG, MPGA, M4A, WAV eller WebM. Använd ett komprimerat format för en större inspelning eller dela den i delar inom gränsen. Bevara meningsgränser och delarnas ordning så att den sammanfogade transkriptionen behåller kopplingen till originalinspelningen. En videobehållare tillhandahåller sitt ljud för denna uppgift, inte indata för en visuell beskrivning.

En prompt kan ge namn, akronymer eller inspelningsspecifikt ordförråd och sammanhang från ett tidigare segment. Whispers promptgräns är 224 token och prompten ska matcha ljudets språk. Tillverkaren anger att Whisper inte följer instruktioner som en generell textmodell. Använd prompten som relevant transkriptionskontext och kontrollera sedan viktiga stavningar mot inspelningen i stället för att behandla en terminologilista som ord talaren måste ha sagt.

Producenten dokumenterar transkriptionsformaten JSON, vanlig text, SRT, VTT och verbose JSON. Tidsstämplar för ord och segment kräver verbose JSON; endera eller båda detaljnivåerna kan begäras. API-referensen påpekar att tidsstämplar för segment inte ger extra latens, medan tidsstämplar för ord kräver ytterligare bearbetning. Utdata stöder undertextning och lokalisering av avsnitt under redigering; annoteringar för talardiarisation hör till en annan specialiserad modell.

Whisper 1 stöder inte strömmande filtranskribering. Referensen dokumenterar också en samplingstemperatur mellan noll och ett; vid noll kan modellen öka temperaturen automatiskt när dess avkodningströsklar kräver det. Detta beskriver producentens bearbetningskontroller och är inte ett löfte om att varje inspelning ger en identisk eller fullständigt korrekt transkription.

Definiera slutleveransen: en transkription för sökning, en undertextfil eller text med tidsinformation för ord eller segment. Spara originalinspelningen, delarnas ordning och relevanta källtidsreferenser tillsammans med resultatet. Ett senare textredigeringssteg kan rätta en felstavning eller förbereda en sammanfattning, men jämför ändringarna med ljudet så att talarens innebörd bevaras. Den igenkända texten blir underlag för nästa uppgift och inte ett genererat svar på den talade frågan.

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

openai/whisper-1

OpenAI /openai/whisper-1

Start

Godkända indata: Ljud
Resultat: transcription

Tillgängligt i Ailoot · indata & metoder

Ailoot Ultra · Taligenkänning POST /v1/audio/transcriptions

Indatatyper: audio
Utdatatyper: transcription
Utdataformat: json

Fält	Typ	Krav	Värden & gränser	Standard
Fält`model`	Typ`string`	KravObligatoriskt	Värden & gränser openai/whisper-1	Standard—
Fält`file`	Typ`file`	KravObligatoriskt	Värden & gränser Innehållstyp: multipart/form-data	Standard—
Fält`response_format`	Typ`string`	KravValfritt	Värden & gränser json	Standard—
Fält`input_audio.data`	Typ`base64_string`	KravObligatoriskt	Värden & gränser Gäller när: JSON-indata för WhisperOR	Standard—
Fält`input_audio.format`	Typ`string`	KravObligatoriskt	Värden & gränser wav, mp3, flac, ogg, m4a, webm Gäller när: JSON-indata för WhisperOR	Standard—

Kombinationer av indatamaterial

· Krävs: model, file

Metodparametrar och livscykel

Parameter	Avtal
Parameter`contours`	Avtal{"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`	Avtal26214400
Parameter`material_types`	Avtalaudio

Livscykel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Använd en faktisk inspelning och motsvarande format.

Bevara hela transkriberingen, segment, talar-ID:n och tidsuppgifter.

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 $0.0002 per sekund indataljud

Detaljer om referenstariffen

Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.

OpenAI: Whisper 1

Priser efter konfiguration

Konfiguration	Debiteringsvillkor	Avgift
KonfigurationOpenAI: Whisper 1 · Standardkonfiguration	DebiteringsvillkorStandardkonfiguration	Avgift Indata · Sekunder inkommande ljud 0,0002 US$ 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 →

Exempelbegäranden

Ailoot Ultra · Taligenkänning

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

Ta emot och spara resultat

Ailoot Ultra · Taligenkänning

json

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

Andra innehållsläsningar

MediebibliotekUppgiftsstatusResursinformation

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

Behåll alla färdiga resultat

Behåll varje fullständigt returnerat svar, fil och innehållsdel.

Behåll hela JSON-svaret, inte bara text; bevara varje tillgängligt segment, varje talare och tidsstämpel samt faktisk uppgifts- och tillgångsidentitet.

Om det ursprungliga svaret behöver kontrolleras

Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.

Svarsfält

Fält	Typ
Fält`text`	Typstring
Fält`segments[]`	Typobject
Fält`task_id`	Typstring
Fält`asset_url`	Typstring
Fält`usage`	Typobject

Fel och nästa steg

Svar	Villkor	Nästa steg
Svar400 · `invalid_request_error`	VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde	Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa.
Svar`server_error`	VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras	Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen.

Alias

Modellalias

Ailoot Ultra openai/whisper-1

Alias för metodsökvägar

Använd metodsökvägarna som visas ovan.

Relaterade anropar-ID:n

openai/whisper-1

FAQ · OpenAI: Whisper 1

Vilka indata och resultat finns?: POST /v1/audio/transcriptions · openai/whisper-1: audio → transcription
Vilka fält använder begäran?: POST /v1/audio/transcriptions · openai/whisper-1: model, file, response_format

OpenAI: Whisper 1

OpenAI: Whisper 1

Start

Tillgängligt i Ailoot · indata & metoder

Priser

Ailoot-priser

Priser efter konfiguration

Detaljer om referenstariffen

Priser efter konfiguration

Exempelbegäranden

Ailoot Ultra · Taligenkänning

Ta emot och spara resultat

Ailoot Ultra · Taligenkänning

Behåll alla färdiga resultat

Om det ursprungliga svaret behöver kontrolleras

Alias

Modellalias

Alias för metodsökvägar

Relaterade anropar-ID:n

Företaget och dess projektportfölj

Köp token med rabatt.

Anslut API till produkten som du säljer.