OpenAI: GPT-4o Mini Transcribe
GPT-4o Mini Transcribe là mô hình chuyển giọng nói thành văn bản của OpenAI, dựa trên GPT-4o Mini. Mô hình chuyển âm thanh thành bản chép lời JSON, hỗ trợ prompt văn bản riêng cho bản ghi và kết quả truyền phát từ tệp, đồng thời có thể trả về log xác suất token để rà soát bản chép lời có trọng tâm.
Về mô hình
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
GPT-4o Mini Transcribe là mô hình chuyển giọng nói thành văn bản của OpenAI, dựa trên GPT-4o Mini. Mô hình nhận âm thanh với tùy chọn hướng dẫn bằng văn bản và tạo văn bản được nhận dạng. Đây là mô hình riêng với GPT-4o Transcribe dùng GPT-4o và hồ sơ GPT Transcribe mới hơn có các trường từ khóa cùng gợi ý nhiều ngôn ngữ riêng. Sản phẩm hữu ích ở đây là bản chép lời nói gốc trong bản ghi, được chuẩn bị cho tìm kiếm, rà soát hoặc bước xử lý nội dung tiếp theo.
Chuẩn bị bản ghi
Hướng dẫn chép lời tệp của OpenAI nhận tải âm thanh tối đa 25 MB. Tài liệu tham chiếu điểm cuối hiện tại liệt kê FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV và WebM, kèm metadata tên tệp và loại nội dung đủ để xác định định dạng âm thanh. Bản ghi lớn hơn có thể được nén hoặc chia thành các phần không quá 25 MB. Hãy giữ ranh giới câu khi chia và gắn từng phần với bản ghi nguồn cùng vị trí để văn bản có thể được ghép đúng thứ tự về sau.
Với ghi chú giọng nói, hãy giữ một bản chép lời có thể xác định rõ nguồn cho mỗi bản ghi và kiểm tra tên hoặc con số trước khi dùng văn bản tạo nhiệm vụ. Với bài hướng dẫn nói, hãy đối chiếu từ ngữ được nhận dạng với chỉ dẫn gốc trước khi biên tập để xuất bản. Yêu cầu chuẩn bị hữu ích chỉ rõ ngôn ngữ được nói và những thuật ngữ dễ nghe sai. Chép lại từ ngữ là bước đầu; phần diễn giải, tóm tắt hoặc dịch có thể dùng bản chép lời đã kiểm tra sau đó.
Hướng dẫn bằng prompt và gợi ý một ngôn ngữ
Các tích hợp GPT-4o Mini Transcribe hiện có hỗ trợ prompt tự do. OpenAI mô tả prompt cho tên, chữ viết tắt, từ vựng riêng của bản ghi, dấu câu, viết hoa, từ đệm và hệ chữ mong muốn. Tài liệu tham chiếu điểm cuối nói prompt cần khớp ngôn ngữ âm thanh và có thể chứa ngữ cảnh từ đoạn âm thanh trước. Hãy đưa cách viết liên quan hoặc mô tả ngắn về chủ đề, thay vì yêu cầu prompt chép lời hoạt động như chỉ dẫn chat không giới hạn.
Gợi ý ngôn ngữ hiện có của mô hình dùng trường language số ít. Tài liệu tham chiếu của nhà sản xuất mô tả mã ngôn ngữ đầu vào ISO 639-1, chẳng hạn en. Các trường keywords riêng và languages số nhiều được tài liệu hóa cho GPT Transcribe; chúng không thuộc hồ sơ Mini này. Với chuỗi bản ghi, hãy giữ thiết lập ngôn ngữ được nói dự kiến cùng từng đầu vào, thay vì diễn giải nó như yêu cầu dịch kết quả.
Kết quả JSON và tùy chọn xác suất token
Tài liệu tham chiếu điểm cuối hiện tại mô tả JSON là định dạng phản hồi được GPT-4o Mini Transcribe hỗ trợ. Từ ngữ được nhận dạng xuất hiện trong trường text. Khi được yêu cầu, log xác suất token có thể đi kèm phản hồi JSON; các giá trị này mô tả xác suất token của mô hình và có thể giúp tìm nội dung cần kiểm tra kỹ hơn. Chúng không xác lập tên, con số hay câu có khớp âm thanh hay không. Hãy dùng bản ghi để quyết định có nên sửa từ đáng ngờ.
Hồ sơ chép lời Mini thông thường không cung cấp đầu ra gốc SRT, VTT, dấu thời gian từ chi tiết hoặc nhãn người nói qua yêu cầu JSON đó. OpenAI tài liệu hóa mô hình và định dạng chuyên biệt cho những khả năng này. Nếu sản phẩm dự kiến là phần phụ đề, hãy giữ bản chép lời đã rà soát cho quy trình gán thời gian riêng, thay vì giả định kết quả chỉ có văn bản đã chứa ranh giới phụ đề.
Đầu ra truyền phát từ tệp và chế độ được tài liệu hóa
Hướng dẫn chuyển giọng nói thành văn bản của nhà sản xuất nêu rõ các tích hợp GPT-4o Mini Transcribe hiện có hỗ trợ truyền phát từ tệp. Bản ghi hoàn chỉnh có thể tạo văn bản chép lời từng phần, sau đó là kết quả cuối trong khi được xử lý. Hãy giữ bản chép lời cuối làm sản phẩm hoàn chỉnh; việc xuất hiện văn bản từng phần không có nghĩa quy trình tệp đang liên tục nhận âm thanh micro trực tiếp. Thẻ mô hình liệt kê riêng các họ điểm cuối chép lời và Realtime. Những giao diện nhà sản xuất đó không hàm ý mọi trường phiên của mô hình chép lời khác đều áp dụng ở đây.
Ngữ cảnh, hạn mức đầu ra và các kiểm tra hữu ích
Thông số mô hình hiện tại của OpenAI liệt kê cửa sổ ngữ cảnh 16,000 token, đầu ra tối đa 2,000 token và mốc kiến thức ngày 1 tháng Sáu năm 2024. Đây là số liệu trong thông số mô hình, không phải thời lượng âm thanh tính bằng phút áp dụng chung cho mọi bản ghi. Quy tắc kích thước tệp và hạn mức token mô tả các ràng buộc khác nhau. Với nội dung dài, hãy chuẩn bị bản ghi theo quy trình tệp được tài liệu hóa, chuyển ngữ cảnh liên quan giữa các phần và kiểm tra văn bản cuối có chứa phần kết của nguồn.
Kết quả Mini Transcribe hữu ích giữ từ ngữ và liên hệ với bản ghi, còn dữ liệu xác suất tùy chọn được giữ riêng với sửa đổi biên tập. Hãy rà soát từ vựng lạ, giọng phát âm, tiếng ồn nền, chuyển ngôn ngữ và lời nói chồng lấp khi có âm thanh gốc. Khi chỉnh sửa văn bản để dễ đọc, hãy phân biệt bản biên tập với bản chép lời được nhận dạng để người dùng sau biết từ ngữ nào đến từ bản ghi và từ ngữ nào đã đổi trong lúc chuẩn bị.
Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe
openai/gpt-4o-mini-transcribeBắt đầu
GPT-4o Mini Transcribe là mô hình chuyển giọng nói thành văn bản của OpenAI, dựa trên GPT-4o Mini. Mô hình chuyển âm thanh thành bản chép lời JSON, hỗ trợ prompt văn bản riêng cho bản ghi và kết quả truyền phát từ tệp, đồng thời có thể trả về log xác suất token để rà soát bản chép lời có trọng tâm.
- Đầu vào được chấp nhận
- Âm thanh
- Kết quả
- Văn bản
Có trên Ailoot · đầu vào & phương thức
Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions
- Đầu vào
audio- Đầu ra
text
| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn openai/gpt-4o-mini-transcribe | Mặc định— |
Trườnginput_audio | Loạiobject | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Tham số phương thức và vòng đời
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, input_audio |
Tham sốmaterial_types | Hợp đồngaudio |
Tham sốmaterial_conditions | Hợp đồngVí dụ đọc tệp PCM WAV thực tế, không rỗng của bạn, mã hóa toàn bộ byte của tệp thành base64 và gửi input_audio.format với giá trị wav. |
Vòng đời: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id chính xác từ bản ghi đa phương tiện hiện có thuộc quyền sở hữu
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Bảng giá
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
- Chế độ nhanh
- Chưa chỉ định Khi chọn chế độ nhanh
- Chế độ Flex
- Chưa chỉ định Khi chọn chế độ flex
- Mức độ suy luận tối đa
- Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa
Mức phí Ailoot
Giá theo cấu hình
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Đơn vị tính phí | Phí |
|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Đơn vị tính phí— | Phí Đầu vào · Token đầu vào — / 1K token Đầu ra · Token đầu ra — / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhtoken đầu vào | Biểu mức phí— | Đơn vị tính phí/ 1K token | Phí Đầu vào $0.0025 / 1K token |
| Cấu hìnhtoken đầu ra | Biểu mức phí— | Đơn vị tính phí/ 1K token | Phí Đầu ra $0.01 / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
Ví dụ yêu cầu
Ailoot Ultra · Phiên âm
set -eu
: "${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.
Nhận và lưu kết quả
Ailoot Ultra · Phiên âm
Toàn bộ nội dung phản hồi gốc, trạng thái và các tiêu đề được chuyển tiếp. Trình xử lý này không bổ sung cấu trúc JSON chung, trường văn bản hoặc cấu trúc bao tác vụ.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Lưu tất cả kết quả đã hoàn tất
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ lại toàn bộ phản hồi và các header, mọi đầu ra thực tế, các định danh gốc đã trả về và mọi trường usage. Khôi phục thao tác gốc mà không gửi lại yêu cầu tạo.
Nếu cần kiểm tra phản hồi gốc
Giữ lại X-Client-Request-ID thực tế và toàn bộ phản hồi. Đọc các tài sản gốc thuộc quyền sở hữu và URL nội dung đã ký chính xác của chúng; tuyệt đối không gửi lại yêu cầu tạo chưa rõ kết quả.
Trường phản hồi
| Trường | Loại |
|---|---|
Trườngtext (when present) | Loại |
Trườngusage (when present) | Loại |
Lỗi và bước tiếp theo
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnNội dung JSON hoặc ID mô hình chuẩn được chỉ định rõ không hợp lệ. | Bước tiếp theoGiữ lại phản hồi và sửa trường yêu cầu được chỉ ra. |
Phản hồi401 · authentication_error | Điều kiệnKhóa API Ailoot không hợp lệ. | Bước tiếp theoDùng khóa API Ailoot được cấp phép của bạn. |
Phản hồi403 · permission_error | Điều kiệnNhóm của khóa không được phép sử dụng phương thức này. | Bước tiếp theoGiữ lại chi tiết lỗi được trả về. |
Phản hồi404 · not_found_error | Điều kiệnPhương thức đã chọn chưa có tuyến được phép sử dụng. | Bước tiếp theoGiữ lại chi tiết lỗi được trả về. |
Phản hồi422 · price_unavailable | Điều kiệnBiểu giá đã chấp nhận không thể xác định số lượng đầu vào hoặc giới hạn cần thiết. | Bước tiếp theoGiữ lại phản hồi; dùng biểu diễn đầu vào mà biểu giá đã chấp nhận yêu cầu. |
Phản hồi503 · | Điều kiệnKho lưu trữ, tuyến, giá phương thức hoặc khoản tiền giữ trước cần thiết không khả dụng. | Bước tiếp theoGiữ lại toàn bộ phản hồi ban đầu. Khoản giữ trước chưa rõ trạng thái không cho phép gửi lại. |
Phản hồi502 · server_error | Điều kiệnKết quả, mức sử dụng hoặc quyết toán ban đầu cần được kiểm tra. | Bước tiếp theoGiữ lại ID yêu cầu thực tế và phản hồi ban đầu. Đọc bản ghi hiện có thuộc quyền sở hữu; không gửi lại yêu cầu tạo. |
Bí danh
Bí danh mô hình
Ailoot Ultra openai/gpt-4o-mini-transcribe
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
FAQ · OpenAI: GPT-4o Mini Transcribe
- Có những đầu vào và kết quả nào?
POST /v1/audio/transcriptions·openai/gpt-4o-mini-transcribe:audio→text- Yêu cầu sử dụng những trường nào?
POST /v1/audio/transcriptions·openai/gpt-4o-mini-transcribe:model,input_audio