OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe — OpenAI kompaniyasining GPT-4o Mini asosidagi nutqni matnga aylantirish modeli. U audioni JSON transkriptga aylantiradi, yozuvga xos matnli promptlar va fayl natijalarini oqimli uzatishni qo‘llaydi hamda transkriptni maqsadli tekshirish uchun token logarifmik ehtimollarini qaytarishi mumkin.

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

GPT-4o Mini Transcribe — OpenAI kompaniyasining GPT-4o Mini asosidagi nutqni matnga aylantirish modeli. U ixtiyoriy matnli yo‘riq bilan audioni qabul qilib, tanilgan matn chiqaradi. Bu GPT-4o dan foydalanadigan GPT-4o Transcribe va alohida kalit so‘z hamda ko‘p til ko‘rsatmalari maydonlariga ega yangi GPT Transcribe profilidan farq qiladigan modeldir. Bu yerdagi foydali artefakt — qidirish, ko‘rib chiqish yoki keyingi kontent ishlovi uchun tayyorlangan, yozuvdagi asl nutq transkripti.

Yozuvni tayyorlash

OpenAI ning fayldan transkripsiya qilish qo‘llanmasi 25 MB gacha audio yuklashni qabul qiladi. Joriy endpoint ma’lumotnomasida FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV va WebM hamda audio formatini aniqlash uchun yetarli fayl nomi va kontent turi metama’lumotlari ko‘rsatilgan. Kattaroq yozuvlarni siqish yoki 25 MB dan oshmaydigan qismlarga bo‘lish mumkin. Bo‘lishda gap chegaralarini saqlang; matnni keyin to‘g‘ri tartibda yig‘ish uchun har bir qismni manba yozuvi va undagi o‘rni bilan bog‘lang.

Ovozli qaydlarda har bir yozuv uchun manbasi aniqlanadigan bitta transkriptni saqlang, matndan vazifalar yaratishdan oldin ismlar va sonlarni tekshiring. Og‘zaki darsda tanilgan so‘zlarni nashr uchun tahrirlashdan oldin asl ko‘rsatmalar bilan solishtiring. Foydali tayyorlash topshirig‘i nutq tili va noto‘g‘ri eshitilishi mumkin bo‘lgan terminlarni belgilaydi. So‘zlarni transkripsiya qilish birinchi bosqichdir; keyin tekshirilgan transkriptni talqin, qisqacha bayon yoki tarjima uchun ishlatish mumkin.

Prompt yo‘riqlari va bitta til ko‘rsatmasi

Mavjud GPT-4o Mini Transcribe integratsiyalari erkin shakldagi promptni qo‘llaydi. OpenAI ismlar, qisqartmalar, yozuvga xos lug‘at, tinish belgilari, bosh harflar, to‘ldiruvchi so‘zlar va kerakli yozuv tizimi uchun promptlarni tasvirlaydi. Endpoint ma’lumotnomasiga ko‘ra, prompt audio tiliga mos kelishi kerak va oldingi audio segment kontekstini berishi mumkin. Transkripsiya promptidan cheklanmagan chat ko‘rsatmasi kabi ishlashni so‘rash o‘rniga, tegishli yozilishlar yoki mavzuning qisqa tavsifini qo‘shing.

Bu modelning mavjud til ko‘rsatmasi bitta tilni bildiruvchi language maydonidan foydalanadi. Ishlab chiqaruvchi ma’lumotnomasi ISO 639-1 kirish tili kodini, masalan en ni hujjatlashtiradi. Alohida keywords va ko‘plikdagi languages maydonlari GPT Transcribe uchun hujjatlashtirilgan; ular bu Mini profiliga kirmaydi. Yozuvlar seriyasida har bir kirish bilan mo‘ljallangan nutq tili sozlamasini saqlang, uni natijani tarjima qilish so‘rovi deb talqin qilmang.

JSON natijasi va ixtiyoriy token ehtimollari

Joriy endpoint ma’lumotnomasi JSON ni GPT-4o Mini Transcribe qo‘llaydigan javob formati sifatida hujjatlashtiradi. Tanilgan so‘zlar text maydonida ko‘rinadi. So‘ralganda JSON javobiga token logarifmik ehtimollari ham qo‘shilishi mumkin; bu qiymatlar model token ehtimollarini ifodalaydi va batafsilroq tekshiriladigan materialni topishga yordam berishi mumkin. Ular ism, son yoki gap audio bilan mosligini isbotlamaydi. Shubhali so‘zni tuzatish kerakligini yozuv yordamida hal qiling.

Odatiy Mini transkripsiya profili shu JSON talablari orqali modelning o‘z SRT, VTT, batafsil so‘z vaqt belgilari yoki so‘zlovchi yorliqli chiqishini bermaydi. OpenAI bu imkoniyatlar uchun maxsus modellar va formatlarni hujjatlashtiradi. Kerakli artefakt subtitr yo‘li bo‘lsa, faqat matnli natijada subtitr chegaralari allaqachon bor deb hisoblamasdan, tekshirilgan transkriptni alohida vaqt belgilash jarayoni uchun saqlang.

Fayl chiqishini oqimli uzatish va hujjatlashtirilgan rejimlar

Ishlab chiqaruvchining nutqni matnga aylantirish qo‘llanmasi mavjud GPT-4o Mini Transcribe integratsiyalari fayldan oqimli uzatishni qo‘llashini aniq aytadi. Tugallangan yozuv qayta ishlanayotganda qisman transkript matni, keyin yakuniy natija hosil bo‘lishi mumkin. Yakuniy transkriptni tugallangan artefakt sifatida saqlang; qisman matn paydo bo‘lishi fayl jarayoni jonli mikrofon audiosini uzluksiz qabul qilayotganini anglatmaydi. Model kartasida transkripsiya va Realtime endpoint oilalari alohida sanab o‘tilgan. Ishlab chiqaruvchining bu interfeyslari boshqa transkripsiya modelining har bir sessiya maydoni bu yerda ham qo‘llanadi degani emas.

Kontekst, chiqish limiti va foydali tekshiruvlar

OpenAI ning joriy model spetsifikatsiyasida 16,000 tokenli kontekst oynasi, ko‘pi bilan 2,000 chiqish tokeni va 2024-yil 1-iyundagi bilimlar chegarasi ko‘rsatilgan. Bular audio yozuvi uchun universal daqiqalar davomiyligi emas, model spetsifikatsiyasi qiymatlaridir. Fayl hajmi qoidasi va token limiti turli cheklovlarni ifodalaydi. Uzunroq material uchun yozuvni hujjatlashtirilgan fayl jarayoni asosida tayyorlang, tegishli kontekstni qismlar orasida uzating va yakuniy matnda manbaning oxiri ham borligini tekshiring.

Foydali Mini Transcribe natijasi so‘zlarni va ularning yozuv bilan bog‘lanishini saqlaydi; ixtiyoriy ehtimol ma’lumotlari tahririy tuzatishlardan alohida turadi. Notanish lug‘at, aksentlar, fon shovqini, til almashishlari va bir vaqtda gapirishni asl audio mavjud holda tekshiring. Matnni o‘qishga qulay qilish uchun tahrirlayotganda, keyingi foydalanuvchilar qaysi so‘zlar yozuvdan olinganini va qaysilari tayyorlash vaqtida o‘zgartirilganini bilishi uchun tahririy versiyani tanilgan transkriptdan ajrating.

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

OpenAI /openai/gpt-4o-mini-transcribe

Boshlash

Qabul qilinadigan kirish ma’lumotlari: Audio
Natijalar: Matn

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions

Kirish: audio
Chiqish: text

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar openai/gpt-4o-mini-transcribe	Standart—
Maydon`input_audio`	Tur`object`	TalabMajburiy	Qiymatlar va cheklovlar	Standart—

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`content_type`	Parametr talablariapplication/json
Parametr`required`	Parametr talablarimodel, input_audio
Parametr`material_types`	Parametr talablariaudio
Parametr`material_conditions`	Parametr talablariMisol haqiqiy, bo‘sh bo‘lmagan PCM WAV faylingizni o‘qiydi, faylning barcha baytlarini base64 ko‘rinishida kodlaydi va input_audio.format qiymatini wav qilib yuboradi.

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · mavjud, egalik qilinadigan media yozuvidan aniq task_id

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim: Ko‘rsatilmagan Tezkor rejim tanlanganda
Flex rejimi: Ko‘rsatilmagan flex rejimi tanlanganda
Maksimal fikrlash darajasi: Ko‘rsatilmagan Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Ailoot tariflari

Sozlamalar bo‘yicha narxlar

Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.

Sozlama	Tariflar jadvali	Hisob birligi	To‘lov
SozlamaTokenlar uchun bazaviy tariflar	Tariflar jadvaliAsosiy tarif	Hisob birligi—	To‘lov Kirish · Kirish tokenlari — / 1K token Chiqish · Chiqish tokenlari — / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token
Sozlamakirish tokeni	Tariflar jadvali—	Hisob birligi/ 1K token	To‘lov Kirish $0.0025 / 1K token
Sozlamachiqish tokeni	Tariflar jadvali—	Hisob birligi/ 1K token	To‘lov Chiqish $0.01 / 1K token

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Transkripsiya

curl · Haqiqiy WAV fayli va to‘liq asl natija

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-4o-mini-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.

Natijalarni olish va saqlash

Ailoot Ultra · Transkripsiya

To‘liq dastlabki javob tanasi, holat va uzatilgan sarlavhalar. Bu ishlovchi universal JSON tuzilmasi, matn maydoni yoki vazifa o‘rovini qo‘shmaydi.

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

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

To‘liq javob va sarlavhalarni, amalda qaytarilgan barcha natijalarni, dastlab qaytarilgan identifikatorlarni hamda barcha usage maydonlarini saqlang. Yaratish so‘rovini qayta yubormasdan dastlabki operatsiyani tiklang.

Asl javobni tekshirish kerak bo‘lsa

Haqiqiy X-Client-Request-ID va to‘liq javobni saqlang. Egalik qilinadigan dastlabki aktivlar va ularning aniq imzolangan mazmun URL larini o‘qing; natijasi noaniq yaratishni hech qachon qayta yubormang.

Javob maydonlari

Maydon	Tur
Maydon`text (when present)`	Tur
Maydon`usage (when present)`	Tur

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartJSON tanasi yoki ochiq ko‘rsatilgan kanonik model ID si yaroqsiz.	Keyingi qadamJavobni saqlang va ko‘rsatilgan so‘rov maydonini tuzating.
Javob401 · `authentication_error`	ShartAiloot API kaliti yaroqsiz.	Keyingi qadamRuxsat berilgan Ailoot API kalitingizdan foydalaning.
Javob403 · `permission_error`	ShartKalit guruhi bu usulga ruxsat bermaydi.	Keyingi qadamQaytarilgan xato tafsilotlarini saqlang.
Javob404 · `not_found_error`	ShartTanlangan usul uchun ruxsat etilgan yo‘nalish yo‘q.	Keyingi qadamQaytarilgan xato tafsilotlarini saqlang.
Javob422 · `price_unavailable`	ShartQabul qilingan tarif zarur kirish miqdorini yoki chegarasini aniqlay olmaydi.	Keyingi qadamJavobni saqlang; qabul qilingan tarif talab qiladigan kirish ko‘rinishidan foydalaning.
Javob503 ·	ShartZarur saqlov, yo‘nalish, usul narxi yoki mablag‘ni band qilish imkoniyati mavjud emas.	Keyingi qadamTo‘liq dastlabki javobni saqlang. Noaniq mablag‘ band qilish qayta yuborishga ruxsat bermaydi.
Javob502 · `server_error`	ShartDastlabki natija, foydalanish ma’lumoti yoki hisob-kitobni tekshirish talab qilinadi.	Keyingi qadamHaqiqiy so‘rov ID si va dastlabki javobni saqlang. Mavjud, egalik qilinadigan yozuvni o‘qing; yaratishni qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot Ultra openai/gpt-4o-mini-transcribe

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe