{ "aboutHtml": "

GPT-4o Transcribe เป็นโมเดลแปลงเสียงพูดเป็นข้อความของ OpenAI ที่ขับเคลื่อนด้วย GPT-4o อินพุตคือเสียงพร้อมข้อความแนะนำที่เลือกให้ได้ และเอาต์พุตคือข้อความที่รู้จำ โมเดลนี้แยกจากรุ่น GPT-4o Mini Transcribe และ GPT-4o Transcribe Diarize ซึ่งเชี่ยวชาญการระบุผู้พูด ใช้โปรไฟล์นี้จัดทำบันทึกข้อความที่ซื่อตรงต่อคำพูด พร้อมเก็บเสียงต้นทางให้ตรวจทานและทำงานบรรณาธิการภายหลังได้

อินพุตไฟล์และการเตรียมเนื้อหายาว

คู่มือถอดเสียงของ OpenAI ระบุการอัปโหลดสูงสุด 25 MB เอกสารอ้างอิงเอนด์พอยต์ปัจจุบันรับ FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV และ WebM และแนะนำเมทาดาทาไฟล์ที่บอกรูปแบบ รวมทั้งชื่อไฟล์ที่มีนามสกุลและชนิดเนื้อหาที่เหมาะสม สำหรับการบันทึกที่ใหญ่กว่า การบีบอัดหรือแบ่งเป็นชิ้นตามลำดับที่ขนาดไม่เกิน 25 MB เป็นไปตามคำแนะนำอินพุตยาวของผู้พัฒนา หลีกเลี่ยงการแบ่งกลางประโยคและเก็บตำแหน่งของแต่ละชิ้นในการบันทึกทั้งหมด

สำหรับการสัมภาษณ์ ให้เชื่อมไฟล์อินพุตแต่ละไฟล์กับการบันทึกและช่วงที่ครอบคลุม สำหรับการนำเสนอทางเทคนิค ให้เตรียมชื่อผลิตภัณฑ์ ตัวย่อ และศัพท์เฉพาะที่เกี่ยวข้องเป็นบริบท แล้วตรวจการสะกดกับสิ่งที่ผู้พูดกล่าวจริง สำหรับคำอธิบายที่บันทึกไว้และมีค่าตัวเลข ให้ตรวจบทถอดเสียงกับต้นทางก่อนเปลี่ยนเป็นขั้นตอนที่เขียนไว้ ชิ้นงานแรกที่ต้องการคือคำพูดที่รู้จำในรูปข้อความ ส่วนรายงานย่อหรือเอกสารแปลจัดทำจากข้อความนั้นในขั้นตอนแยกได้

พรอมป์ต์เฉพาะการบันทึกและการเลือกภาษา

คู่มือของผู้พัฒนาระบุ GPT-4o Transcribe ไว้อย่างชัดเจนในรายการที่รองรับพรอมป์ต์ พรอมป์ต์ให้การสะกดที่ถูกต้อง บริบทจากส่วนก่อนหน้า และความต้องการด้านเครื่องหมายวรรคตอน ตัวพิมพ์ใหญ่เล็ก คำเติมระหว่างพูด หรือระบบการเขียนได้ เอกสารอ้างอิงระบุว่าควรตรงกับภาษาของการบันทึก คำอธิบายหัวข้อและคำศัพท์สั้น ๆ ที่เกี่ยวข้องให้บริบทที่เป็นประโยชน์ต่อการถอดเสียง โดยไม่ถือว่าคำที่ไม่ได้พูดเป็นเอาต์พุตที่ต้องมี

โปรไฟล์นี้รองรับคำใบ้ language แบบเอกพจน์ ซึ่งเอกสารระบุรูปแบบ ISO 639-1 การให้ภาษาของอินพุตจริงอาจช่วยการรู้จำ ฟิลด์ keywords ที่ใหม่กว่าและ languages แบบพหูพจน์ของ GPT Transcribe เป็นของโมเดลที่ตั้งชื่อแยกนั้น ไม่ควรถือว่า GPT-4o Transcribe มีด้วย ผูกการตั้งค่าภาษากับคำพูดที่ถอด และรักษาถ้อยคำต้นฉบับก่อนการแปลหรือปรับสำนวนภายหลัง

รูปแบบผลลัพธ์ ความน่าจะเป็น และเอาต์พุตเฉพาะทาง

เอกสารอ้างอิงเอนด์พอยต์ปัจจุบันระบุ JSON เป็นรูปแบบคำตอบที่ GPT-4o Transcribe รองรับ ผลลัพธ์มีข้อความที่รู้จำ และขอค่าลอการิทึมความน่าจะเป็นของโทเคนเป็นตัวเลือกในรูปแบบ JSON นั้นได้ ข้อมูลความน่าจะเป็นอธิบายการเลือกโทเคนของโมเดล ช่วยบอกได้ว่าช่วงใดควรตรวจ แต่ต้องเทียบเสียงเพื่อยืนยันว่าบทถอดเสียงถ่ายทอดชื่อ ตัวเลข หรือวลีที่ยากได้หรือไม่

ผลลัพธ์ JSON ของโปรไฟล์มาตรฐานไม่ได้ให้รูปแบบคำบรรยายโดยตรง เวลาระดับคำแบบละเอียด หรือการกำหนดผู้พูด OpenAI มีเอกสารตัวเลือกโมเดลและรูปแบบอื่นเมื่อต้องการเอาต์พุตเหล่านั้น โดย GPT-4o Transcribe Diarize เป็นรุ่นระบุผู้พูดที่แยกต่างหาก สำหรับงานคำบรรยาย ให้เก็บบทถอดเสียงที่ตรวจแล้วไว้ใช้ในขั้นตอนกำหนดเวลาที่เหมาะสม สำหรับการสนทนา อย่าสมมติชื่อผู้พูดเพียงเพราะย่อหน้าในบทถอดเสียงดูเหมือนเปลี่ยนหัวข้อหรือเสียง

สตรีมผลลัพธ์จากไฟล์ที่บันทึกเสร็จแล้ว

คู่มือแปลงเสียงพูดเป็นข้อความของ OpenAI ระบุว่าการผสาน GPT-4o Transcribe ที่มีอยู่รองรับการสตรีมไฟล์ แอปพลิเคชันให้การบันทึกก่อน แล้วรับข้อความถอดเสียงระหว่างประมวลผลการบันทึกนั้นและเก็บผลลัพธ์ที่เสร็จแล้ว นี่คือการสตรีมบทถอดเสียงจากการบันทึกที่เสร็จแล้ว แทนการรับเสียงไมโครโฟนทันทีที่เข้ามา การ์ดโมเดลนี้โดยตรงยังระบุตระกูลเอนด์พอยต์การถอดเสียงและ Realtime พฤติกรรมเซสชันเฉพาะโมเดลต้องผูกกับโปรไฟล์นี้ ไม่ใช่นำมาจากโมเดลสตรีมต่อเนื่องที่ใหม่กว่า

ขีดจำกัดโมเดลและการตรวจชิ้นงานสุดท้าย

ข้อกำหนด GPT-4o Transcribe ปัจจุบันระบุหน้าต่างบริบท 16,000 โทเคน เอาต์พุตสูงสุด 2,000 โทเคน และวันสิ้นสุดความรู้ 1 มิถุนายน 2024 ขีดจำกัดโทเคนเหล่านี้ไม่ใช่ระยะเวลาเสียงคงที่และไม่แทนกฎเตรียมไฟล์ถอดเสียง สำหรับการบันทึกยาว ให้รักษาลำดับต้นทางและบริบทก่อนหน้าที่เกี่ยวข้อง แล้วตรวจว่าข้อความที่เสร็จแล้วไปถึงจุดสิ้นสุดของแต่ละช่วงที่ต้องการ

บทถอดเสียงสุดท้ายที่มีประโยชน์อาจเป็นข้อมูลสัมภาษณ์ที่ค้นหาได้ แหล่งข้อมูลเอกสารเทคนิค หรือถ้อยคำสำหรับกระบวนการคำบรรยายภายหลัง ตรวจคำศัพท์ ปริมาณ เครื่องหมายวรรคตอน สำเนียง และเสียงพูดทับกันที่ไม่แน่นอนกับการบันทึก แยกข้อความที่รู้จำออกจากการแก้ไขหรือสรุปภายหลัง และรักษาลิงก์ต้นทางผ่านรหัสอ้างอิงในกระบวนการโดยรอบ โมเดลให้บันทึกข้อความ ส่วนการเตรียมอินพุตและตรวจต้นทางอย่างรอบคอบเป็นตัวกำหนดว่าบันทึกนั้นเหมาะกับการใช้งานถัดไปหรือไม่

", "aboutText": "GPT-4o Transcribe เป็นโมเดลแปลงเสียงพูดเป็นข้อความของ OpenAI ที่ขับเคลื่อนด้วย GPT-4o อินพุตคือเสียงพร้อมข้อความแนะนำที่เลือกให้ได้ และเอาต์พุตคือข้อความที่รู้จำ โมเดลนี้แยกจากรุ่น GPT-4o Mini Transcribe และ GPT-4o Transcribe Diarize ซึ่งเชี่ยวชาญการระบุผู้พูด ใช้โปรไฟล์นี้จัดทำบันทึกข้อความที่ซื่อตรงต่อคำพูด พร้อมเก็บเสียงต้นทางให้ตรวจทานและทำงานบรรณาธิการภายหลังได้\n\n### อินพุตไฟล์และการเตรียมเนื้อหายาว\n\nคู่มือถอดเสียงของ OpenAI ระบุการอัปโหลดสูงสุด 25 MB เอกสารอ้างอิงเอนด์พอยต์ปัจจุบันรับ FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV และ WebM และแนะนำเมทาดาทาไฟล์ที่บอกรูปแบบ รวมทั้งชื่อไฟล์ที่มีนามสกุลและชนิดเนื้อหาที่เหมาะสม สำหรับการบันทึกที่ใหญ่กว่า การบีบอัดหรือแบ่งเป็นชิ้นตามลำดับที่ขนาดไม่เกิน 25 MB เป็นไปตามคำแนะนำอินพุตยาวของผู้พัฒนา หลีกเลี่ยงการแบ่งกลางประโยคและเก็บตำแหน่งของแต่ละชิ้นในการบันทึกทั้งหมด\n\nสำหรับการสัมภาษณ์ ให้เชื่อมไฟล์อินพุตแต่ละไฟล์กับการบันทึกและช่วงที่ครอบคลุม สำหรับการนำเสนอทางเทคนิค ให้เตรียมชื่อผลิตภัณฑ์ ตัวย่อ และศัพท์เฉพาะที่เกี่ยวข้องเป็นบริบท แล้วตรวจการสะกดกับสิ่งที่ผู้พูดกล่าวจริง สำหรับคำอธิบายที่บันทึกไว้และมีค่าตัวเลข ให้ตรวจบทถอดเสียงกับต้นทางก่อนเปลี่ยนเป็นขั้นตอนที่เขียนไว้ ชิ้นงานแรกที่ต้องการคือคำพูดที่รู้จำในรูปข้อความ ส่วนรายงานย่อหรือเอกสารแปลจัดทำจากข้อความนั้นในขั้นตอนแยกได้\n\n### พรอมป์ต์เฉพาะการบันทึกและการเลือกภาษา\n\nคู่มือของผู้พัฒนาระบุ GPT-4o Transcribe ไว้อย่างชัดเจนในรายการที่รองรับพรอมป์ต์ พรอมป์ต์ให้การสะกดที่ถูกต้อง บริบทจากส่วนก่อนหน้า และความต้องการด้านเครื่องหมายวรรคตอน ตัวพิมพ์ใหญ่เล็ก คำเติมระหว่างพูด หรือระบบการเขียนได้ เอกสารอ้างอิงระบุว่าควรตรงกับภาษาของการบันทึก คำอธิบายหัวข้อและคำศัพท์สั้น ๆ ที่เกี่ยวข้องให้บริบทที่เป็นประโยชน์ต่อการถอดเสียง โดยไม่ถือว่าคำที่ไม่ได้พูดเป็นเอาต์พุตที่ต้องมี\n\nโปรไฟล์นี้รองรับคำใบ้ language แบบเอกพจน์ ซึ่งเอกสารระบุรูปแบบ ISO 639-1 การให้ภาษาของอินพุตจริงอาจช่วยการรู้จำ ฟิลด์ keywords ที่ใหม่กว่าและ languages แบบพหูพจน์ของ GPT Transcribe เป็นของโมเดลที่ตั้งชื่อแยกนั้น ไม่ควรถือว่า GPT-4o Transcribe มีด้วย ผูกการตั้งค่าภาษากับคำพูดที่ถอด และรักษาถ้อยคำต้นฉบับก่อนการแปลหรือปรับสำนวนภายหลัง\n\n### รูปแบบผลลัพธ์ ความน่าจะเป็น และเอาต์พุตเฉพาะทาง\n\nเอกสารอ้างอิงเอนด์พอยต์ปัจจุบันระบุ JSON เป็นรูปแบบคำตอบที่ GPT-4o Transcribe รองรับ ผลลัพธ์มีข้อความที่รู้จำ และขอค่าลอการิทึมความน่าจะเป็นของโทเคนเป็นตัวเลือกในรูปแบบ JSON นั้นได้ ข้อมูลความน่าจะเป็นอธิบายการเลือกโทเคนของโมเดล ช่วยบอกได้ว่าช่วงใดควรตรวจ แต่ต้องเทียบเสียงเพื่อยืนยันว่าบทถอดเสียงถ่ายทอดชื่อ ตัวเลข หรือวลีที่ยากได้หรือไม่\n\nผลลัพธ์ JSON ของโปรไฟล์มาตรฐานไม่ได้ให้รูปแบบคำบรรยายโดยตรง เวลาระดับคำแบบละเอียด หรือการกำหนดผู้พูด OpenAI มีเอกสารตัวเลือกโมเดลและรูปแบบอื่นเมื่อต้องการเอาต์พุตเหล่านั้น โดย GPT-4o Transcribe Diarize เป็นรุ่นระบุผู้พูดที่แยกต่างหาก สำหรับงานคำบรรยาย ให้เก็บบทถอดเสียงที่ตรวจแล้วไว้ใช้ในขั้นตอนกำหนดเวลาที่เหมาะสม สำหรับการสนทนา อย่าสมมติชื่อผู้พูดเพียงเพราะย่อหน้าในบทถอดเสียงดูเหมือนเปลี่ยนหัวข้อหรือเสียง\n\n### สตรีมผลลัพธ์จากไฟล์ที่บันทึกเสร็จแล้ว\n\nคู่มือแปลงเสียงพูดเป็นข้อความของ OpenAI ระบุว่าการผสาน GPT-4o Transcribe ที่มีอยู่รองรับการสตรีมไฟล์ แอปพลิเคชันให้การบันทึกก่อน แล้วรับข้อความถอดเสียงระหว่างประมวลผลการบันทึกนั้นและเก็บผลลัพธ์ที่เสร็จแล้ว นี่คือการสตรีมบทถอดเสียงจากการบันทึกที่เสร็จแล้ว แทนการรับเสียงไมโครโฟนทันทีที่เข้ามา การ์ดโมเดลนี้โดยตรงยังระบุตระกูลเอนด์พอยต์การถอดเสียงและ Realtime พฤติกรรมเซสชันเฉพาะโมเดลต้องผูกกับโปรไฟล์นี้ ไม่ใช่นำมาจากโมเดลสตรีมต่อเนื่องที่ใหม่กว่า\n\n### ขีดจำกัดโมเดลและการตรวจชิ้นงานสุดท้าย\n\nข้อกำหนด GPT-4o Transcribe ปัจจุบันระบุหน้าต่างบริบท 16,000 โทเคน เอาต์พุตสูงสุด 2,000 โทเคน และวันสิ้นสุดความรู้ 1 มิถุนายน 2024 ขีดจำกัดโทเคนเหล่านี้ไม่ใช่ระยะเวลาเสียงคงที่และไม่แทนกฎเตรียมไฟล์ถอดเสียง สำหรับการบันทึกยาว ให้รักษาลำดับต้นทางและบริบทก่อนหน้าที่เกี่ยวข้อง แล้วตรวจว่าข้อความที่เสร็จแล้วไปถึงจุดสิ้นสุดของแต่ละช่วงที่ต้องการ\n\nบทถอดเสียงสุดท้ายที่มีประโยชน์อาจเป็นข้อมูลสัมภาษณ์ที่ค้นหาได้ แหล่งข้อมูลเอกสารเทคนิค หรือถ้อยคำสำหรับกระบวนการคำบรรยายภายหลัง ตรวจคำศัพท์ ปริมาณ เครื่องหมายวรรคตอน สำเนียง และเสียงพูดทับกันที่ไม่แน่นอนกับการบันทึก แยกข้อความที่รู้จำออกจากการแก้ไขหรือสรุปภายหลัง และรักษาลิงก์ต้นทางผ่านรหัสอ้างอิงในกระบวนการโดยรอบ โมเดลให้บันทึกข้อความ ส่วนการเตรียมอินพุตและตรวจต้นทางอย่างรอบคอบเป็นตัวกำหนดว่าบันทึกนั้นเหมาะกับการใช้งานถัดไปหรือไม่", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "fe7c0661c2244621df2153cee781fbdfa6535d45686a5d4577bf1e149f6796af", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "th", "methods": [ { "html": "
O

OpenAI: GPT-4o Transcribe

OpenAI /openai/gpt-4o-transcribe

เริ่มต้น

GPT-4o Transcribe เปลี่ยนเสียงเป็นข้อความด้วยความสามารถรู้จำเสียงพูดของ GPT-4o จาก OpenAI รองรับพรอมป์ต์ให้บริบท คำใบ้ภาษาของอินพุต บทถอดเสียง JSON เอาต์พุตไฟล์แบบสตรีม และตัวเลือกค่าลอการิทึมความน่าจะเป็นของโทเคนสำหรับตรวจถ้อยคำที่ไม่แน่นอน

อินพุตที่รองรับ
เสียง
ผลลัพธ์
ข้อความ
เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

GPT-4o Transcribe เป็นโมเดลแปลงเสียงพูดเป็นข้อความของ OpenAI ที่ขับเคลื่อนด้วย GPT-4o อินพุตคือเสียงพร้อมข้อความแนะนำที่เลือกให้ได้ และเอาต์พุตคือข้อความที่รู้จำ โมเดลนี้แยกจากรุ่น GPT-4o Mini Transcribe และ GPT-4o Transcribe Diarize ซึ่งเชี่ยวชาญการระบุผู้พูด ใช้โปรไฟล์นี้จัดทำบันทึกข้อความที่ซื่อตรงต่อคำพูด พร้อมเก็บเสียงต้นทางให้ตรวจทานและทำงานบรรณาธิการภายหลังได้

อินพุตไฟล์และการเตรียมเนื้อหายาว

คู่มือถอดเสียงของ OpenAI ระบุการอัปโหลดสูงสุด 25 MB เอกสารอ้างอิงเอนด์พอยต์ปัจจุบันรับ FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV และ WebM และแนะนำเมทาดาทาไฟล์ที่บอกรูปแบบ รวมทั้งชื่อไฟล์ที่มีนามสกุลและชนิดเนื้อหาที่เหมาะสม สำหรับการบันทึกที่ใหญ่กว่า การบีบอัดหรือแบ่งเป็นชิ้นตามลำดับที่ขนาดไม่เกิน 25 MB เป็นไปตามคำแนะนำอินพุตยาวของผู้พัฒนา หลีกเลี่ยงการแบ่งกลางประโยคและเก็บตำแหน่งของแต่ละชิ้นในการบันทึกทั้งหมด

สำหรับการสัมภาษณ์ ให้เชื่อมไฟล์อินพุตแต่ละไฟล์กับการบันทึกและช่วงที่ครอบคลุม สำหรับการนำเสนอทางเทคนิค ให้เตรียมชื่อผลิตภัณฑ์ ตัวย่อ และศัพท์เฉพาะที่เกี่ยวข้องเป็นบริบท แล้วตรวจการสะกดกับสิ่งที่ผู้พูดกล่าวจริง สำหรับคำอธิบายที่บันทึกไว้และมีค่าตัวเลข ให้ตรวจบทถอดเสียงกับต้นทางก่อนเปลี่ยนเป็นขั้นตอนที่เขียนไว้ ชิ้นงานแรกที่ต้องการคือคำพูดที่รู้จำในรูปข้อความ ส่วนรายงานย่อหรือเอกสารแปลจัดทำจากข้อความนั้นในขั้นตอนแยกได้

พรอมป์ต์เฉพาะการบันทึกและการเลือกภาษา

คู่มือของผู้พัฒนาระบุ GPT-4o Transcribe ไว้อย่างชัดเจนในรายการที่รองรับพรอมป์ต์ พรอมป์ต์ให้การสะกดที่ถูกต้อง บริบทจากส่วนก่อนหน้า และความต้องการด้านเครื่องหมายวรรคตอน ตัวพิมพ์ใหญ่เล็ก คำเติมระหว่างพูด หรือระบบการเขียนได้ เอกสารอ้างอิงระบุว่าควรตรงกับภาษาของการบันทึก คำอธิบายหัวข้อและคำศัพท์สั้น ๆ ที่เกี่ยวข้องให้บริบทที่เป็นประโยชน์ต่อการถอดเสียง โดยไม่ถือว่าคำที่ไม่ได้พูดเป็นเอาต์พุตที่ต้องมี

โปรไฟล์นี้รองรับคำใบ้ language แบบเอกพจน์ ซึ่งเอกสารระบุรูปแบบ ISO 639-1 การให้ภาษาของอินพุตจริงอาจช่วยการรู้จำ ฟิลด์ keywords ที่ใหม่กว่าและ languages แบบพหูพจน์ของ GPT Transcribe เป็นของโมเดลที่ตั้งชื่อแยกนั้น ไม่ควรถือว่า GPT-4o Transcribe มีด้วย ผูกการตั้งค่าภาษากับคำพูดที่ถอด และรักษาถ้อยคำต้นฉบับก่อนการแปลหรือปรับสำนวนภายหลัง

รูปแบบผลลัพธ์ ความน่าจะเป็น และเอาต์พุตเฉพาะทาง

เอกสารอ้างอิงเอนด์พอยต์ปัจจุบันระบุ JSON เป็นรูปแบบคำตอบที่ GPT-4o Transcribe รองรับ ผลลัพธ์มีข้อความที่รู้จำ และขอค่าลอการิทึมความน่าจะเป็นของโทเคนเป็นตัวเลือกในรูปแบบ JSON นั้นได้ ข้อมูลความน่าจะเป็นอธิบายการเลือกโทเคนของโมเดล ช่วยบอกได้ว่าช่วงใดควรตรวจ แต่ต้องเทียบเสียงเพื่อยืนยันว่าบทถอดเสียงถ่ายทอดชื่อ ตัวเลข หรือวลีที่ยากได้หรือไม่

ผลลัพธ์ JSON ของโปรไฟล์มาตรฐานไม่ได้ให้รูปแบบคำบรรยายโดยตรง เวลาระดับคำแบบละเอียด หรือการกำหนดผู้พูด OpenAI มีเอกสารตัวเลือกโมเดลและรูปแบบอื่นเมื่อต้องการเอาต์พุตเหล่านั้น โดย GPT-4o Transcribe Diarize เป็นรุ่นระบุผู้พูดที่แยกต่างหาก สำหรับงานคำบรรยาย ให้เก็บบทถอดเสียงที่ตรวจแล้วไว้ใช้ในขั้นตอนกำหนดเวลาที่เหมาะสม สำหรับการสนทนา อย่าสมมติชื่อผู้พูดเพียงเพราะย่อหน้าในบทถอดเสียงดูเหมือนเปลี่ยนหัวข้อหรือเสียง

สตรีมผลลัพธ์จากไฟล์ที่บันทึกเสร็จแล้ว

คู่มือแปลงเสียงพูดเป็นข้อความของ OpenAI ระบุว่าการผสาน GPT-4o Transcribe ที่มีอยู่รองรับการสตรีมไฟล์ แอปพลิเคชันให้การบันทึกก่อน แล้วรับข้อความถอดเสียงระหว่างประมวลผลการบันทึกนั้นและเก็บผลลัพธ์ที่เสร็จแล้ว นี่คือการสตรีมบทถอดเสียงจากการบันทึกที่เสร็จแล้ว แทนการรับเสียงไมโครโฟนทันทีที่เข้ามา การ์ดโมเดลนี้โดยตรงยังระบุตระกูลเอนด์พอยต์การถอดเสียงและ Realtime พฤติกรรมเซสชันเฉพาะโมเดลต้องผูกกับโปรไฟล์นี้ ไม่ใช่นำมาจากโมเดลสตรีมต่อเนื่องที่ใหม่กว่า

ขีดจำกัดโมเดลและการตรวจชิ้นงานสุดท้าย

ข้อกำหนด GPT-4o Transcribe ปัจจุบันระบุหน้าต่างบริบท 16,000 โทเคน เอาต์พุตสูงสุด 2,000 โทเคน และวันสิ้นสุดความรู้ 1 มิถุนายน 2024 ขีดจำกัดโทเคนเหล่านี้ไม่ใช่ระยะเวลาเสียงคงที่และไม่แทนกฎเตรียมไฟล์ถอดเสียง สำหรับการบันทึกยาว ให้รักษาลำดับต้นทางและบริบทก่อนหน้าที่เกี่ยวข้อง แล้วตรวจว่าข้อความที่เสร็จแล้วไปถึงจุดสิ้นสุดของแต่ละช่วงที่ต้องการ

บทถอดเสียงสุดท้ายที่มีประโยชน์อาจเป็นข้อมูลสัมภาษณ์ที่ค้นหาได้ แหล่งข้อมูลเอกสารเทคนิค หรือถ้อยคำสำหรับกระบวนการคำบรรยายภายหลัง ตรวจคำศัพท์ ปริมาณ เครื่องหมายวรรคตอน สำเนียง และเสียงพูดทับกันที่ไม่แน่นอนกับการบันทึก แยกข้อความที่รู้จำออกจากการแก้ไขหรือสรุปภายหลัง และรักษาลิงก์ต้นทางผ่านรหัสอ้างอิงในกระบวนการโดยรอบ โมเดลให้บันทึกข้อความ ส่วนการเตรียมอินพุตและตรวจต้นทางอย่างรอบคอบเป็นตัวกำหนดว่าบันทึกนั้นเหมาะกับการใช้งานถัดไปหรือไม่

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · การถอดเสียง POST /v1/audio/transcriptions
ขาเข้า
audio
ขาออก
text
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
openai/gpt-4o-transcribe
ค่าเริ่มต้น—
ฟิลด์input_audioประเภทobjectข้อกำหนดจำเป็นค่าและข้อจำกัดค่าเริ่มต้น—
พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์content_typeข้อกำหนดapplication/json
พารามิเตอร์requiredข้อกำหนดmodel, input_audio
พารามิเตอร์material_typesข้อกำหนดaudio
พารามิเตอร์material_conditionsข้อกำหนดตัวอย่างนี้อ่านไฟล์ PCM WAV จริงของคุณที่ไม่ว่าง เข้ารหัสไบต์ทั้งหมดของไฟล์เป็น base64 และส่ง input_audio.format เป็น wav

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id ที่ตรงตามบันทึกสื่อเดิมซึ่งเป็นของคุณ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว
ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น
ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด
ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่าตารางอัตราค่าบริการหน่วยคิดค่าบริการค่าบริการ
การตั้งค่าอัตราค่าบริการโทเคนพื้นฐานตารางอัตราค่าบริการอัตราพื้นฐานหน่วยคิดค่าบริการ—ค่าบริการ
ขาเข้า · โทเค็นอินพุต — / 1K โทเค็น
ขาออก · โทเค็นเอาต์พุต — / 1K โทเค็น
ขาเข้า · การอ่านแคช — / 1K โทเค็น
ขาเข้า · การเขียนแคช — / 1K โทเค็น
ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าโทเค็นอินพุตตารางอัตราค่าบริการ—หน่วยคิดค่าบริการ/ 1K โทเค็นค่าบริการ
ขาเข้า $0.005 / 1K โทเค็น
การตั้งค่าโทเค็นเอาต์พุตตารางอัตราค่าบริการ—หน่วยคิดค่าบริการ/ 1K โทเค็นค่าบริการ
ขาออก $0.02 / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · การถอดเสียง

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-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.\n

รับและบันทึกผลลัพธ์

Ailoot Ultra · การถอดเสียง

เนื้อหาการตอบกลับเดิมทั้งหมด สถานะ และส่วนหัวที่ส่งต่อ ตัวจัดการนี้ไม่เพิ่มโครงสร้าง JSON ฟิลด์ข้อความ หรือโครงสร้างห่อหุ้มงานแบบสากล

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ X-Client-Request-ID จริงและการตอบกลับทั้งหมด อ่านแอสเซ็ตเดิมที่เป็นของคุณและ URL เนื้อหาที่ลงลายเซ็นตรงตามที่ส่งกลับ ห้ามส่งคำขอสร้างที่ยังไม่แน่ชัดซ้ำ

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์text (when present)ประเภท
ฟิลด์usage (when present)ประเภท
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขเนื้อหา JSON หรือ ID โมเดลมาตรฐานที่ระบุชัดเจนไม่ถูกต้องขั้นตอนถัดไปเก็บการตอบกลับและแก้ไขฟิลด์คำขอที่ระบุ
การตอบกลับ401 · authentication_errorเงื่อนไขคีย์ API ของ Ailoot ไม่ถูกต้องขั้นตอนถัดไปใช้คีย์ API ของ Ailoot ที่คุณได้รับอนุญาต
การตอบกลับ403 · permission_errorเงื่อนไขกลุ่มคีย์ไม่อนุญาตให้ใช้เมธอดนี้ขั้นตอนถัดไปเก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้
การตอบกลับ404 · not_found_errorเงื่อนไขเมธอดที่เลือกไม่มีเส้นทางที่ได้รับอนุญาตขั้นตอนถัดไปเก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้
การตอบกลับ422 · price_unavailableเงื่อนไขอัตราค่าบริการที่ยอมรับไม่สามารถระบุปริมาณข้อมูลขาเข้าหรือขอบเขตที่จำเป็นได้ขั้นตอนถัดไปเก็บการตอบกลับไว้ ใช้รูปแบบข้อมูลขาเข้าที่อัตราค่าบริการที่ยอมรับกำหนดไว้
การตอบกลับ503 · เงื่อนไขที่เก็บข้อมูล เส้นทาง ราคาเมธอด หรือการกันวงเงินที่จำเป็นไม่พร้อมใช้งานขั้นตอนถัดไปเก็บการตอบกลับเดิมทั้งหมด การกันวงเงินที่ไม่แน่นอนไม่อนุญาตให้ส่งซ้ำ
การตอบกลับ502 · server_errorเงื่อนไขต้องตรวจสอบผลลัพธ์ การใช้งาน หรือการชำระบัญชีเดิมขั้นตอนถัดไปเก็บ ID คำขอจริงและการตอบกลับเดิม อ่านบันทึกเดิมที่เป็นของคุณ อย่าส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra openai/gpt-4o-transcribe

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

openai/gpt-4o-transcribe

", "method_identity": { "effective_request_model_id": "openai/gpt-4o-transcribe", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fgpt-4o-transcribe", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "เนื้อหา JSON หรือ ID โมเดลมาตรฐานที่ระบุชัดเจนไม่ถูกต้อง", "http_status": 400, "recovery": "เก็บการตอบกลับและแก้ไขฟิลด์คำขอที่ระบุ", "type": "invalid_request_error" }, { "code": null, "condition": "คีย์ API ของ Ailoot ไม่ถูกต้อง", "http_status": 401, "recovery": "ใช้คีย์ API ของ Ailoot ที่คุณได้รับอนุญาต", "type": "authentication_error" }, { "code": null, "condition": "กลุ่มคีย์ไม่อนุญาตให้ใช้เมธอดนี้", "http_status": 403, "recovery": "เก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้", "type": "permission_error" }, { "code": null, "condition": "เมธอดที่เลือกไม่มีเส้นทางที่ได้รับอนุญาต", "http_status": 404, "recovery": "เก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้", "type": "not_found_error" }, { "code": null, "condition": "อัตราค่าบริการที่ยอมรับไม่สามารถระบุปริมาณข้อมูลขาเข้าหรือขอบเขตที่จำเป็นได้", "http_status": 422, "recovery": "เก็บการตอบกลับไว้ ใช้รูปแบบข้อมูลขาเข้าที่อัตราค่าบริการที่ยอมรับกำหนดไว้", "type": "price_unavailable" }, { "code": null, "condition": "ที่เก็บข้อมูล เส้นทาง ราคาเมธอด หรือการกันวงเงินที่จำเป็นไม่พร้อมใช้งาน", "http_status": 503, "recovery": "เก็บการตอบกลับเดิมทั้งหมด การกันวงเงินที่ไม่แน่นอนไม่อนุญาตให้ส่งซ้ำ", "type": null }, { "code": null, "condition": "ต้องตรวจสอบผลลัพธ์ การใช้งาน หรือการชำระบัญชีเดิม", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "เก็บ ID คำขอจริงและการตอบกลับเดิม อ่านบันทึกเดิมที่เป็นของคุณ อย่าส่งคำขอสร้างซ้ำ", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "เก็บ X-Client-Request-ID จริงและการตอบกลับทั้งหมด อ่านแอสเซ็ตเดิมที่เป็นของคุณและ URL เนื้อหาที่ลงลายเซ็นตรงตามที่ส่งกลับ ห้ามส่งคำขอสร้างที่ยังไม่แน่ชัดซ้ำ" }, "outputs": { "all_results": "เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "เนื้อหาการตอบกลับเดิมทั้งหมด สถานะ และส่วนหัวที่ส่งต่อ ตัวจัดการนี้ไม่เพิ่มโครงสร้าง JSON ฟิลด์ข้อความ หรือโครงสร้างห่อหุ้มงานแบบสากล" }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "ตัวอย่างนี้อ่านไฟล์ PCM WAV จริงของคุณที่ไม่ว่าง เข้ารหัสไบต์ทั้งหมดของไฟล์เป็น base64 และส่ง input_audio.format เป็น wav" ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "task_id ที่ตรงตามบันทึกสื่อเดิมซึ่งเป็นของคุณ", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "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-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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "การถอดเสียง", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 5e-06, "output_token": 2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } } ], "model_id": "openai/gpt-4o-transcribe", "nativeProvenance": { "input_facts_canonical_sha256": "b030a114e6ad2064a9c4ceb5ba329804345fed7d68eeabde8d8caabb432f6531", "input_html_sha256": "6ad67595c05842ad1afa41a312c805d617d22ad5bc3dec6c810a0b0e60036eef", "private_audit_sha256": "b91035377ec46cf50e2607f47aa576015483fe4bf0c123782ed3c8378d13eac6", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/th/openai-gpt-4o-transcribe/", "description": "GPT-4o Transcribe เปลี่ยนเสียงเป็นข้อความด้วยความสามารถรู้จำเสียงพูดของ GPT-4o จาก OpenAI รองรับพรอมป์ต์ให้บริบท คำใบ้ภาษาของอินพุต บทถอดเสียง JSON เอาต์พุตไฟล์แบบสตรีม และตัวเลือกค่าลอการิทึมความน่าจะเป็นของโทเคนสำหรับตรวจถ้อยคำที่ไม่แน่นอน", "locale": "th", "md_url": "https://ailoot.ai/models/th/openai-gpt-4o-transcribe/index.md", "title": "OpenAI: GPT-4o Transcribe — Ailoot", "url": "https://ailoot.ai/models/th/openai-gpt-4o-transcribe/" }, "rawModel": { "about": "GPT-4o Transcribe เป็นโมเดลแปลงเสียงพูดเป็นข้อความของ OpenAI ที่ขับเคลื่อนด้วย GPT-4o อินพุตคือเสียงพร้อมข้อความแนะนำที่เลือกให้ได้ และเอาต์พุตคือข้อความที่รู้จำ โมเดลนี้แยกจากรุ่น GPT-4o Mini Transcribe และ GPT-4o Transcribe Diarize ซึ่งเชี่ยวชาญการระบุผู้พูด ใช้โปรไฟล์นี้จัดทำบันทึกข้อความที่ซื่อตรงต่อคำพูด พร้อมเก็บเสียงต้นทางให้ตรวจทานและทำงานบรรณาธิการภายหลังได้\n\n### อินพุตไฟล์และการเตรียมเนื้อหายาว\n\nคู่มือถอดเสียงของ OpenAI ระบุการอัปโหลดสูงสุด 25 MB เอกสารอ้างอิงเอนด์พอยต์ปัจจุบันรับ FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV และ WebM และแนะนำเมทาดาทาไฟล์ที่บอกรูปแบบ รวมทั้งชื่อไฟล์ที่มีนามสกุลและชนิดเนื้อหาที่เหมาะสม สำหรับการบันทึกที่ใหญ่กว่า การบีบอัดหรือแบ่งเป็นชิ้นตามลำดับที่ขนาดไม่เกิน 25 MB เป็นไปตามคำแนะนำอินพุตยาวของผู้พัฒนา หลีกเลี่ยงการแบ่งกลางประโยคและเก็บตำแหน่งของแต่ละชิ้นในการบันทึกทั้งหมด\n\nสำหรับการสัมภาษณ์ ให้เชื่อมไฟล์อินพุตแต่ละไฟล์กับการบันทึกและช่วงที่ครอบคลุม สำหรับการนำเสนอทางเทคนิค ให้เตรียมชื่อผลิตภัณฑ์ ตัวย่อ และศัพท์เฉพาะที่เกี่ยวข้องเป็นบริบท แล้วตรวจการสะกดกับสิ่งที่ผู้พูดกล่าวจริง สำหรับคำอธิบายที่บันทึกไว้และมีค่าตัวเลข ให้ตรวจบทถอดเสียงกับต้นทางก่อนเปลี่ยนเป็นขั้นตอนที่เขียนไว้ ชิ้นงานแรกที่ต้องการคือคำพูดที่รู้จำในรูปข้อความ ส่วนรายงานย่อหรือเอกสารแปลจัดทำจากข้อความนั้นในขั้นตอนแยกได้\n\n### พรอมป์ต์เฉพาะการบันทึกและการเลือกภาษา\n\nคู่มือของผู้พัฒนาระบุ GPT-4o Transcribe ไว้อย่างชัดเจนในรายการที่รองรับพรอมป์ต์ พรอมป์ต์ให้การสะกดที่ถูกต้อง บริบทจากส่วนก่อนหน้า และความต้องการด้านเครื่องหมายวรรคตอน ตัวพิมพ์ใหญ่เล็ก คำเติมระหว่างพูด หรือระบบการเขียนได้ เอกสารอ้างอิงระบุว่าควรตรงกับภาษาของการบันทึก คำอธิบายหัวข้อและคำศัพท์สั้น ๆ ที่เกี่ยวข้องให้บริบทที่เป็นประโยชน์ต่อการถอดเสียง โดยไม่ถือว่าคำที่ไม่ได้พูดเป็นเอาต์พุตที่ต้องมี\n\nโปรไฟล์นี้รองรับคำใบ้ language แบบเอกพจน์ ซึ่งเอกสารระบุรูปแบบ ISO 639-1 การให้ภาษาของอินพุตจริงอาจช่วยการรู้จำ ฟิลด์ keywords ที่ใหม่กว่าและ languages แบบพหูพจน์ของ GPT Transcribe เป็นของโมเดลที่ตั้งชื่อแยกนั้น ไม่ควรถือว่า GPT-4o Transcribe มีด้วย ผูกการตั้งค่าภาษากับคำพูดที่ถอด และรักษาถ้อยคำต้นฉบับก่อนการแปลหรือปรับสำนวนภายหลัง\n\n### รูปแบบผลลัพธ์ ความน่าจะเป็น และเอาต์พุตเฉพาะทาง\n\nเอกสารอ้างอิงเอนด์พอยต์ปัจจุบันระบุ JSON เป็นรูปแบบคำตอบที่ GPT-4o Transcribe รองรับ ผลลัพธ์มีข้อความที่รู้จำ และขอค่าลอการิทึมความน่าจะเป็นของโทเคนเป็นตัวเลือกในรูปแบบ JSON นั้นได้ ข้อมูลความน่าจะเป็นอธิบายการเลือกโทเคนของโมเดล ช่วยบอกได้ว่าช่วงใดควรตรวจ แต่ต้องเทียบเสียงเพื่อยืนยันว่าบทถอดเสียงถ่ายทอดชื่อ ตัวเลข หรือวลีที่ยากได้หรือไม่\n\nผลลัพธ์ JSON ของโปรไฟล์มาตรฐานไม่ได้ให้รูปแบบคำบรรยายโดยตรง เวลาระดับคำแบบละเอียด หรือการกำหนดผู้พูด OpenAI มีเอกสารตัวเลือกโมเดลและรูปแบบอื่นเมื่อต้องการเอาต์พุตเหล่านั้น โดย GPT-4o Transcribe Diarize เป็นรุ่นระบุผู้พูดที่แยกต่างหาก สำหรับงานคำบรรยาย ให้เก็บบทถอดเสียงที่ตรวจแล้วไว้ใช้ในขั้นตอนกำหนดเวลาที่เหมาะสม สำหรับการสนทนา อย่าสมมติชื่อผู้พูดเพียงเพราะย่อหน้าในบทถอดเสียงดูเหมือนเปลี่ยนหัวข้อหรือเสียง\n\n### สตรีมผลลัพธ์จากไฟล์ที่บันทึกเสร็จแล้ว\n\nคู่มือแปลงเสียงพูดเป็นข้อความของ OpenAI ระบุว่าการผสาน GPT-4o Transcribe ที่มีอยู่รองรับการสตรีมไฟล์ แอปพลิเคชันให้การบันทึกก่อน แล้วรับข้อความถอดเสียงระหว่างประมวลผลการบันทึกนั้นและเก็บผลลัพธ์ที่เสร็จแล้ว นี่คือการสตรีมบทถอดเสียงจากการบันทึกที่เสร็จแล้ว แทนการรับเสียงไมโครโฟนทันทีที่เข้ามา การ์ดโมเดลนี้โดยตรงยังระบุตระกูลเอนด์พอยต์การถอดเสียงและ Realtime พฤติกรรมเซสชันเฉพาะโมเดลต้องผูกกับโปรไฟล์นี้ ไม่ใช่นำมาจากโมเดลสตรีมต่อเนื่องที่ใหม่กว่า\n\n### ขีดจำกัดโมเดลและการตรวจชิ้นงานสุดท้าย\n\nข้อกำหนด GPT-4o Transcribe ปัจจุบันระบุหน้าต่างบริบท 16,000 โทเคน เอาต์พุตสูงสุด 2,000 โทเคน และวันสิ้นสุดความรู้ 1 มิถุนายน 2024 ขีดจำกัดโทเคนเหล่านี้ไม่ใช่ระยะเวลาเสียงคงที่และไม่แทนกฎเตรียมไฟล์ถอดเสียง สำหรับการบันทึกยาว ให้รักษาลำดับต้นทางและบริบทก่อนหน้าที่เกี่ยวข้อง แล้วตรวจว่าข้อความที่เสร็จแล้วไปถึงจุดสิ้นสุดของแต่ละช่วงที่ต้องการ\n\nบทถอดเสียงสุดท้ายที่มีประโยชน์อาจเป็นข้อมูลสัมภาษณ์ที่ค้นหาได้ แหล่งข้อมูลเอกสารเทคนิค หรือถ้อยคำสำหรับกระบวนการคำบรรยายภายหลัง ตรวจคำศัพท์ ปริมาณ เครื่องหมายวรรคตอน สำเนียง และเสียงพูดทับกันที่ไม่แน่นอนกับการบันทึก แยกข้อความที่รู้จำออกจากการแก้ไขหรือสรุปภายหลัง และรักษาลิงก์ต้นทางผ่านรหัสอ้างอิงในกระบวนการโดยรอบ โมเดลให้บันทึกข้อความ ส่วนการเตรียมอินพุตและตรวจต้นทางอย่างรอบคอบเป็นตัวกำหนดว่าบันทึกนั้นเหมาะกับการใช้งานถัดไปหรือไม่", "alias_of": null, "aliases": [], "author": "OpenAI", "capabilities": { "context_length": 128000, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด" } ], "ctx": null, "formats": [ "transcriptions" ], "id": "openai/gpt-4o-transcribe", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "เนื้อหา JSON หรือ ID โมเดลมาตรฐานที่ระบุชัดเจนไม่ถูกต้อง", "http_status": 400, "recovery": "เก็บการตอบกลับและแก้ไขฟิลด์คำขอที่ระบุ", "type": "invalid_request_error" }, { "code": null, "condition": "คีย์ API ของ Ailoot ไม่ถูกต้อง", "http_status": 401, "recovery": "ใช้คีย์ API ของ Ailoot ที่คุณได้รับอนุญาต", "type": "authentication_error" }, { "code": null, "condition": "กลุ่มคีย์ไม่อนุญาตให้ใช้เมธอดนี้", "http_status": 403, "recovery": "เก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้", "type": "permission_error" }, { "code": null, "condition": "เมธอดที่เลือกไม่มีเส้นทางที่ได้รับอนุญาต", "http_status": 404, "recovery": "เก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้", "type": "not_found_error" }, { "code": null, "condition": "อัตราค่าบริการที่ยอมรับไม่สามารถระบุปริมาณข้อมูลขาเข้าหรือขอบเขตที่จำเป็นได้", "http_status": 422, "recovery": "เก็บการตอบกลับไว้ ใช้รูปแบบข้อมูลขาเข้าที่อัตราค่าบริการที่ยอมรับกำหนดไว้", "type": "price_unavailable" }, { "code": null, "condition": "ที่เก็บข้อมูล เส้นทาง ราคาเมธอด หรือการกันวงเงินที่จำเป็นไม่พร้อมใช้งาน", "http_status": 503, "recovery": "เก็บการตอบกลับเดิมทั้งหมด การกันวงเงินที่ไม่แน่นอนไม่อนุญาตให้ส่งซ้ำ", "type": null }, { "code": null, "condition": "ต้องตรวจสอบผลลัพธ์ การใช้งาน หรือการชำระบัญชีเดิม", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "เก็บ ID คำขอจริงและการตอบกลับเดิม อ่านบันทึกเดิมที่เป็นของคุณ อย่าส่งคำขอสร้างซ้ำ", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "เก็บ X-Client-Request-ID จริงและการตอบกลับทั้งหมด อ่านแอสเซ็ตเดิมที่เป็นของคุณและ URL เนื้อหาที่ลงลายเซ็นตรงตามที่ส่งกลับ ห้ามส่งคำขอสร้างที่ยังไม่แน่ชัดซ้ำ" }, "outputs": { "all_results": "เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "เนื้อหาการตอบกลับเดิมทั้งหมด สถานะ และส่วนหัวที่ส่งต่อ ตัวจัดการนี้ไม่เพิ่มโครงสร้าง JSON ฟิลด์ข้อความ หรือโครงสร้างห่อหุ้มงานแบบสากล" }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "ตัวอย่างนี้อ่านไฟล์ PCM WAV จริงของคุณที่ไม่ว่าง เข้ารหัสไบต์ทั้งหมดของไฟล์เป็น base64 และส่ง input_audio.format เป็น wav" ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "task_id ที่ตรงตามบันทึกสื่อเดิมซึ่งเป็นของคุณ", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "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-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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "การถอดเสียง", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 5e-06, "output_token": 2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/gpt-4o-transcribe", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" } ], "name": "OpenAI: GPT-4o Transcribe", "price": { "in": null, "in_label": null, "out": 0.02, "out_label": "/ 1K tokens", "sort_in": null, "sort_out": 0.02, "varies": true }, "short": "GPT-4o Transcribe เปลี่ยนเสียงเป็นข้อความด้วยความสามารถรู้จำเสียงพูดของ GPT-4o จาก OpenAI รองรับพรอมป์ต์ให้บริบท คำใบ้ภาษาของอินพุต บทถอดเสียง JSON เอาต์พุตไฟล์แบบสตรีม และตัวเลือกค่าลอการิทึมความน่าจะเป็นของโทเคนสำหรับตรวจถ้อยคำที่ไม่แน่นอน" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "GPT-4o Transcribe เปลี่ยนเสียงเป็นข้อความด้วยความสามารถรู้จำเสียงพูดของ GPT-4o จาก OpenAI รองรับพรอมป์ต์ให้บริบท คำใบ้ภาษาของอินพุต บทถอดเสียง JSON เอาต์พุตไฟล์แบบสตรีม และตัวเลือกค่าลอการิทึมความน่าจะเป็นของโทเคนสำหรับตรวจถ้อยคำที่ไม่แน่นอน", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "2b72005e2942373c789506e2206564d110c6b63faefd31af33624a6291bfe32b", "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9" }, "sourceRevision": "27a72122ef0e197713a5a722c72a7b4ed6f3f2ed0a5b1257504443a1e6d6ae45" }