OpenAI: GPT Transcribe

GPT Transcribe yozib olingan nutqni asl tilidagi matnga aylantiradi; kontekst promptlari, so‘zma-so‘z kalit so‘z ishoralari va bir nechta til ishoralaridan foydalanadi. OpenAI tayyor fayl transkripsiyasini, fayl natijalarini oqim bilan qaytarishni va Realtime audio navbati tasdiqlangandan keyingi transkripsiyani hujjatlashtiradi.

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

Model haqida

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

GPT Transcribe — OpenAI’ning tayyor audio fayllar, oqimda qaytariladigan fayl transkriptlari va Realtime sessiyalarida tasdiqlangan audio navbatlari uchun nutqdan matnga modeli. U audioni ixtiyoriy matnli kontekst bilan qabul qiladi va tanilgan matnni qaytaradi. Ishlab chiqaruvchi uni yozib olingan nutqni asl tilida, jumladan sohaga xos lug‘at, ko‘p tilli yozuvlar va nutq davomida til almashishini aniq transkripsiya qilish uchun taqdim etadi. Foydali chiqish — yozuv bilan bog‘liq saqlanadigan transkript; model ishonchli taxmin qila olsa, aniqlangan til metama’lumotlari ham beriladi.

Tayyor yozuvni tayyorlash

OpenAI’ning fayl transkripsiyasi jarayoni 25 MB gacha yuklamalarni qabul qiladi. Joriy endpoint ma’lumotnomasida FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV va WebM kirish formatlari keltirilgan; formatni aniqlash uchun yetarli fayl metama’lumotlari, jumladan mos fayl kengaytmasi va kontent turi tavsiya qilinadi. Kattaroq yozuv uchun qo‘llanma uni siqish yoki 25 MB dan oshmaydigan fayllarga bo‘lishni tavsiya qiladi. Gapning o‘rtasidan kesmang: atrofidagi nutqni olib tashlash tanish aniqligini pasaytirishi mumkin. Bo‘laklarni tartibda saqlang va asl yozuvdagi o‘rnini qayd eting.

Yig‘ilish, suhbat yoki yozib olingan taqdimot uchun haqiqiy audioni bering, mavzu va aytilishi kutiladigan atamalarni belgilang. Foydali natija — muhokamadan taxmin qilingan xulosa emas, tanilgan so‘zlardir. Ism, son yoki noaniq iborani tekshirayotgan odam to‘g‘ri manbaga qaytishi uchun yozuv identifikatorini qaytarilgan matn bilan saqlang. Keyin transkript alohida xulosa, tarjima yoki tahrir jarayoniga material bo‘lishi mumkin.

Kontekst, kalit so‘z ishoralari va kutiladigan tillar

Ishlab chiqaruvchi yo‘naltirishning uch turini ajratadi. Prompt yozuv mavzusi yoki vaziyati haqida erkin shaklda kontekst beradi. Kalit so‘zlar nutqda kutiladigan aynan o‘sha so‘zlar yoki iboralarni beradi. Tillar ro‘yxati kutiladigan nutq tillarini belgilaydi. Ikki tilli mahsulot muhokamasida vaziyatni promptda tasvirlang, tegishli mahsulot nomlarini kalit so‘z sifatida sanang va kutiladigan tillarni bering. Bular tanishga yordam beruvchi ishoralar; hech kim aytmagan so‘zlarni kiritish ko‘rsatmalari emas.

GPT Transcribe eski birlikdagi language maydoni o‘rniga ko‘plikdagi languages maydonidan foydalanadi; OpenAI ikkalasini birga yubormaslikni aytadi. Qo‘llanma qo‘llab-quvvatlanadigan ISO 639-1 kodlari, ayrim ISO 639-3 kodlari va xitoy tilining hududiy locale kodlarini qabul qiladi; qo‘llab-quvvatlanmaydigan yoki noto‘g‘ri tuzilgan qiymatlar rad etiladi. Har bir kalit so‘z bitta satrda qolishi, burchakli qavs, karetka qaytishi yoki yangi satr belgisini saqlamasligi kerak. Noto‘g‘ri kalit so‘z yoki haddan tashqari uzun prompt butun so‘rovning rad etilishiga sabab bo‘lishi mumkin. Kontekstni mavzuga mos saqlang; ishoralar ro‘yxatini transkript deb qabul qilmasdan, ko‘rsatilgan nomlar audioda haqiqatan borligini tekshiring.

JSON chiqishi va aniqlangan til taxminlari

Hujjatlashtirilgan fayl natijasi transkript va aniqlangan tillarni o‘z ichiga olgan JSON’dir. Bu til taxminlari — berilgan til ishoralarining nusxasi emas, modelning chiqishi. Model ishonchli taxmin qila olmaganda bo‘sh tillar ro‘yxati haqiqiy natija hisoblanadi; u yozuv ovozsiz bo‘lganini yoki transkripsiya ishlamaganini isbotlamaydi. Keyingi ishlov har birini o‘z ma’nosiga ko‘ra ishlatishi uchun tanilgan matn va til metama’lumotlarini alohida saqlang.

Fayl transkriptini oqimda qaytarish

Tayyor faylga ishlov berilayotganda transkript matni bosqichma-bosqich qaytishi mumkin. OpenAI qisman matn uchun transcript.text.delta hodisalarini, to‘liq fayl transkripti uchun transcript.text.done hodisasini hujjatlashtiradi; yakuniy hodisa aniqlangan tillarni ham o‘z ichiga oladi. Bu allaqachon berilgan yozuv chiqishini oqimda uzatadi. Uzun yuklamaning jarayonini ko‘rsatish uchun foydali, yakuniy hodisa esa tugallangan natija sifatida saqlanadigan matnni belgilaydi.

Realtime sessiyalarida tasdiqlangan navbatlar

GPT Transcribe WebSocket orqali maxsus Realtime jarayoniga ham ega. Audio kirish buferiga qo‘shiladi, keyin dastur audio navbatini aniq tasdiqlaydi. Transkripsiya shu tasdiqlangan bo‘lak uchun boshlanadi va tugash hodisasidan oldin qisman yangilanishlarni chiqarishi mumkin; aniqlangan til ma’lumotlari ham beriladi. Ishlab chiqaruvchining shu sessiya jarayonida model avval transkripsiya qilingan navbatlarni avtomatik ravishda kontekst sifatida ishlatadi. Bu mikrofondan audio kelishi bilan jonli subtitr matnini uzluksiz chiqarishdan farq qiladi; OpenAI o‘sha uzluksiz jarayon uchun GPT Live Transcribe nomini ko‘rsatadi.

Bir nechta navbatda kirish elementi identifikatorini mos transkript bilan saqlang. OpenAI turli navbatlarning tugash hodisalari nutq tartibida kelishi shart emasligini ogohlantiradi; shuning uchun suhbatni faqat tugash vaqtiga ko‘ra tartiblash o‘rniga, har bir yakuniy natijani tasdiqlangan o‘z kirishiga bog‘lang. Foydali natija — to‘g‘ri yakuniy elementlardan tuzilgan tartibli transkript; oraliq matn alohida tugallangan nutq bo‘lagi emas, jarayon ko‘rsatkichi sifatida qaraladi.

Maxsus chiqishlar va mazmuniy cheklovlar

Bu profil universal subtitr, vaqt belgisi, tarjima yoki so‘zlovchi yorlig‘i shartnomasini bermaydi. OpenAI’ning migratsiya qo‘llanmasi bu maxsus imkoniyatlarni ajratadi: nativ subtitr formatlari va so‘z vaqtlarini olish uchun mos model va format kerak, so‘zlovchi yorliqlari esa GPT-4o Transcribe Diarize’dan foydalanadi. GPT Transcribe fayl natijasi tayyor o‘rinbosar SRT, VTT yoki batafsil vaqt belgisi javobi emas, JSON’dir. Uning aniq model kartasi raqamli kontekst yoki maksimal chiqish limitini e’lon qilmaydi; shuning uchun chat modelining token oynasini audio transkripsiyaga ko‘chirmang.

Murakkab lug‘at, sonlar, aksentlar, fon shovqini va til almashishlarini yozuvga solishtirib tekshiring. Tegishli ishoralar aytilmagan atamalarni qo‘shmasdan tanishni yaxshilaganini va yakuniy transkript audio oxirini ham o‘z ichiga olganini tekshiring. Ko‘p tilli natijada har qanday tarjimani tayyorlashdan oldin aytilgan so‘zlarni saqlang. Bu tekshiruvlar kontekst ishoralari, aniqlangan tillar va tanilgan nutqni ravshan ajratgan holda transkriptni manba materiali sifatida foydali qiladi.

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

openai/gpt-transcribe

OpenAI /openai/gpt-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-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 audiosi soniyasi	Tariflar jadvali—	Hisob birligikirish audiosining soniyasi uchun	To‘lov Kirish · Kirish audiosi soniyasi $0.00015 kirish audiosining soniyasi uchun

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-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-transcribe

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

openai/gpt-transcribe

FAQ · OpenAI: GPT Transcribe

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

OpenAI: GPT Transcribe