OpenAI: GPT-4o Transcribe

GPT-4o Transcribe chuyển âm thanh thành văn bản bằng năng lực nhận dạng giọng nói GPT-4o của OpenAI. Mô hình hỗ trợ prompt theo ngữ cảnh, gợi ý ngôn ngữ đầu vào, bản chép lời JSON, đầu ra truyền phát từ tệp và tùy chọn log xác suất token để rà soát từ ngữ chưa chắc chắn.

Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions openai/gpt-4o-transcribe

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 Transcribe là mô hình chuyển giọng nói thành văn bản của OpenAI, được vận hành bằng GPT-4o. Đầu vào là âm thanh với tùy chọn hướng dẫn bằng văn bản, còn đầu ra là văn bản được nhận dạng. Mô hình tách biệt với bản GPT-4o Mini Transcribe và GPT-4o Transcribe Diarize chuyên gán nhãn người nói. Hãy dùng hồ sơ này để tạo bản ghi văn bản trung thực của nội dung được nói, đồng thời giữ bản ghi nguồn để rà soát và biên tập về sau.

Đầu vào tệp và chuẩn bị nội dung dài

Hướng dẫn chép lời của OpenAI tài liệu hóa tải tệp tối đa 25 MB. Tài liệu tham chiếu điểm cuối hiện tại nhận FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV và WebM, đồng thời khuyến nghị metadata tệp xác định định dạng, gồm tên tệp có phần mở rộng và loại nội dung phù hợp. Với bản ghi lớn hơn, nén hoặc chia thành các phần đúng thứ tự, mỗi phần không quá 25 MB, phù hợp với hướng dẫn đầu vào dài của nhà sản xuất. Tránh chia giữa câu và giữ vị trí của từng phần trong toàn bộ bản ghi.

Với phỏng vấn, hãy gắn từng tệp đầu vào với bản ghi và đoạn mà nó bao phủ. Với bài trình bày kỹ thuật, chuẩn bị tên sản phẩm, chữ viết tắt và thuật ngữ chuyên môn liên quan làm ngữ cảnh, rồi đối chiếu cách viết với lời người nói thực sự đã nói. Với lời giải thích ghi âm có giá trị số, hãy rà soát bản chép lời cùng nguồn trước khi biến thành quy trình bằng văn bản. Sản phẩm đầu tiên cần có là lời nói được nhận dạng dưới dạng văn bản; báo cáo cô đọng hoặc tài liệu dịch có thể được chuẩn bị từ văn bản đó như bước riêng.

Prompt riêng cho bản ghi và lựa chọn ngôn ngữ

Hướng dẫn của nhà sản xuất nêu rõ GPT-4o Transcribe thuộc nhóm hỗ trợ prompt. Prompt có thể cung cấp cách viết đúng, ngữ cảnh từ đoạn trước và tùy chọn về dấu câu, viết hoa, từ đệm hoặc hệ chữ. Tài liệu tham chiếu nói prompt cần khớp với ngôn ngữ bản ghi. Mô tả ngắn, liên quan về chủ đề và từ vựng tạo ngữ cảnh hữu ích cho chép lời, mà không coi thuật ngữ chưa được nói là đầu ra bắt buộc.

Hồ sơ này hỗ trợ gợi ý một ngôn ngữ qua language, được tài liệu hóa dưới dạng ISO 639-1. Cung cấp ngôn ngữ đầu vào thực tế có thể hỗ trợ nhận dạng. Các trường keywords mới hơn và languages số nhiều thuộc mô hình mang tên GPT Transcribe riêng biệt; không nên giả định chúng có trên GPT-4o Transcribe. Giữ thiết lập ngôn ngữ gắn với lời nói đang chép và bảo toàn từ ngữ gốc trước khi dịch hoặc viết lại theo phong cách ở bước sau.

Định dạng kết quả, xác suất và đầu ra chuyên biệt

Tài liệu tham chiếu điểm cuối hiện tại mô tả JSON là định dạng phản hồi được GPT-4o Transcribe hỗ trợ. Kết quả chứa văn bản được nhận dạng và có thể yêu cầu log xác suất token tùy chọn với định dạng JSON đó. Dữ liệu xác suất mô tả lựa chọn token của mô hình. Chúng có thể gợi ý đoạn cần kiểm tra, nhưng đối chiếu âm thanh mới xác định bản chép lời có tái hiện đúng tên khó, con số hay cụm từ hay không.

Kết quả JSON của hồ sơ tiêu chuẩn không cung cấp định dạng phụ đề gốc, dấu thời gian từ chi tiết hoặc gán người nói. OpenAI tài liệu hóa các lựa chọn mô hình và định dạng khác khi cần những đầu ra này; GPT-4o Transcribe Diarize là bản riêng dành cho gán nhãn người nói. Với nhiệm vụ phụ đề, hãy giữ bản chép lời đã kiểm tra để dùng ở bước gán thời gian phù hợp. Trong hội thoại, đừng tự đặt tên người nói chỉ vì một đoạn chép lời có vẻ đổi chủ đề hoặc giọng.

Kết quả truyền phát từ tệp hoàn chỉnh

Hướng dẫn chuyển giọng nói thành văn bản của OpenAI nói các tích hợp GPT-4o Transcribe hiện có hỗ trợ truyền phát từ tệp. Ứng dụng cung cấp bản ghi trước, rồi nhận văn bản chép lời trong lúc bản ghi được xử lý và giữ kết quả hoàn chỉnh. Quy trình này truyền phát bản chép lời của bản ghi đã hoàn tất, thay vì nhận âm thanh micro khi nó đang tới. Thẻ của đúng mô hình cũng liệt kê các họ điểm cuối chép lời và Realtime; hành vi phiên riêng của mô hình cần được gắn với hồ sơ này, thay vì mượn từ mô hình truyền phát liên tục mới hơn.

Giới hạn mô hình và kiểm tra sản phẩm cuối

Thông số GPT-4o Transcribe hiện tại 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. Các giới hạn token này không phải thời lượng âm thanh cố định và không thay thế quy tắc chuẩn bị cho chép lời tệp. Với bản ghi dài, hãy giữ thứ tự nguồn và ngữ cảnh liên quan trước đó, rồi xác minh văn bản hoàn chỉnh đi tới cuối từng đoạn dự kiến.

Bản chép lời cuối hữu ích có thể thành tài liệu phỏng vấn tìm kiếm được, nguồn cho tài liệu kỹ thuật hoặc từ ngữ cho quy trình phụ đề sau. Hãy rà soát từ vựng chưa chắc chắn, số lượng, dấu câu, giọng nói và lời nói chồng lấp theo bản ghi. Phân biệt văn bản được nhận dạng với những sửa đổi hoặc bản tóm tắt về sau, và giữ liên hệ nguồn qua mã định danh trong quy trình xung quanh. Mô hình cung cấp bản ghi văn bản; chuẩn bị đầu vào cẩn thận và rà soát nguồn quyết định bản ghi đó có phù hợp cho mục đích tiếp theo hay không.

Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions openai/gpt-4o-transcribe

openai/gpt-4o-transcribe

OpenAI /openai/gpt-4o-transcribe

Bắt đầu

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
Trường`model`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn openai/gpt-4o-transcribe	Mặc định—
Trường`input_audio`	Loại`object`	Yêu cầuBắt buộc	Giá trị & giới hạn	Mặc định—

Tham số phương thức và vòng đời

Tham số	Hợp đồng
Tham số`content_type`	Hợp đồngapplication/json
Tham số`required`	Hợp đồngmodel, input_audio
Tham số`material_types`	Hợp đồngaudio
Tham số`material_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 $0.005 / 1K token
Cấu hìnhtoken đầu ra	Biểu mức phí—	Đơn vị tính phí/ 1K token	Phí Đầu ra $0.02 / 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

curl · tệp WAV thực tế và kết quả gốc đầy đủ

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-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}/content
GET /v1/media/assets
GET /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
Trường`text (when present)`	Loại
Trường`usage (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-transcribe

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

openai/gpt-4o-transcribe

FAQ · OpenAI: GPT-4o Transcribe

Có những đầu vào và kết quả nào?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe: audio → text
Yêu cầu sử dụng những trường nào?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe: model, input_audio

OpenAI: GPT-4o Transcribe