OpenAI: Whisper 1

Whisper 1 chép lời một tệp âm thanh hoàn chỉnh thành văn bản, với nhận dạng đa ngôn ngữ và mốc thời gian theo từ hoặc đoạn. Nhà sản xuất hỗ trợ định dạng phụ đề và quy trình dịch sang tiếng Anh riêng; kết quả chép lời giữ ngôn ngữ của bản ghi.

Ailoot Ultra · Nhận dạng giọng nói POST /v1/audio/transcriptions openai/whisper-1

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.

Whisper 1 là mô hình API nhận dạng giọng nói đa dụng của OpenAI, được công bố là hoạt động dựa trên mô hình nguồn mở Whisper V2. Mô hình nhận tệp âm thanh và trả về văn bản. Nhà sản xuất mô tả khả năng nhận dạng đa ngôn ngữ, xác định ngôn ngữ và nhiệm vụ dịch giọng nói riêng. Chép lời giữ ngôn ngữ được nói; giao diện dịch riêng của nhà sản xuất trả về văn bản tiếng Anh.

Một ứng dụng hữu ích là chuẩn bị cuộc phỏng vấn, ghi chú giọng nói hoặc hội thoại đã ghi để tìm kiếm và chỉnh sửa sau đó. Cung cấp bản ghi hoàn chỉnh và ngôn ngữ đầu vào nếu đã biết. OpenAI công bố 98 ngôn ngữ được hỗ trợ và lưu ý độ chính xác nhận dạng khác nhau theo ngôn ngữ. Gợi ý một ngôn ngữ dùng mã ISO 639-1; các trường đa ngôn ngữ và từ khóa mới hơn của mô hình chép lời khác là điều khiển riêng.

Quy trình chép lời tệp của nhà sản xuất nhận tệp tối đa 25 MB ở định dạng MP3, MP4, MPEG, MPGA, M4A, WAV hoặc WebM. Với bản ghi lớn hơn, dùng định dạng nén hoặc chia thành các đoạn trong giới hạn. Giữ ranh giới câu và thứ tự các đoạn để bản chép lời ghép lại vẫn gắn với bản ghi gốc. Bộ chứa video cung cấp âm thanh của nó cho nhiệm vụ này, không phải đầu vào mô tả hình ảnh.

Prompt có thể cung cấp tên riêng, từ viết tắt hoặc từ vựng riêng của bản ghi và ngữ cảnh từ đoạn trước. Giới hạn prompt của Whisper là 224 token, và prompt nên khớp ngôn ngữ của âm thanh. Nhà sản xuất nói rằng Whisper không làm theo chỉ dẫn như mô hình văn bản đa dụng. Dùng prompt làm ngữ cảnh chép lời liên quan, sau đó kiểm tra cách viết quan trọng với bản ghi thay vì coi danh sách thuật ngữ là các từ người nói chắc chắn đã nói.

Nhà sản xuất công bố các định dạng chép lời JSON, văn bản thuần, SRT, VTT và JSON chi tiết. Mốc thời gian theo từ và đoạn yêu cầu JSON chi tiết; có thể yêu cầu một hoặc cả hai mức chi tiết. Tài liệu API lưu ý mốc thời gian theo đoạn không làm tăng độ trễ, còn mốc thời gian theo từ cần xử lý bổ sung. Các đầu ra này hỗ trợ làm phụ đề và tìm đoạn khi chỉnh sửa; chú thích phân đoạn theo người nói thuộc một mô hình chuyên biệt khác.

Whisper 1 không hỗ trợ truyền luồng chép lời tệp. Tài liệu tham khảo cũng công bố nhiệt độ lấy mẫu từ không đến một; ở mức không, mô hình có thể tự tăng nhiệt độ khi các ngưỡng giải mã yêu cầu. Điều này mô tả điều khiển xử lý của nhà sản xuất, không phải cam kết rằng mọi bản ghi tạo ra bản chép lời giống hệt nhau hoặc chính xác hoàn toàn.

Xác định sản phẩm cuối cùng: bản chép lời để tìm kiếm, tệp phụ đề hoặc văn bản có thời gian theo từ hay đoạn. Giữ bản ghi gốc, thứ tự các đoạn và tham chiếu thời gian nguồn liên quan cùng kết quả. Bước chỉnh sửa văn bản sau đó có thể sửa lỗi chính tả hoặc soạn tóm tắt, nhưng hãy đối chiếu thay đổi với âm thanh để giữ ý nghĩa của người nói. Văn bản nhận dạng trở thành bằng chứng cho nhiệm vụ tiếp theo, thay vì câu trả lời được tạo cho câu hỏi được nói.

Ailoot Ultra · Nhận dạng giọng nói POST /v1/audio/transcriptions openai/whisper-1

openai/whisper-1

OpenAI /openai/whisper-1

Bắt đầu

Đầu vào được chấp nhận: Âm thanh
Kết quả: transcription

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · Nhận dạng giọng nói POST /v1/audio/transcriptions

Đầu vào: audio
Đầu ra: transcription
Định dạng đầu ra: json

Trường	Loại	Yêu cầu	Giá trị & giới hạn	Mặc định
Trường`model`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn openai/whisper-1	Mặc định—
Trường`file`	Loại`file`	Yêu cầuBắt buộc	Giá trị & giới hạn Loại nội dung: multipart/form-data	Mặc định—
Trường`response_format`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn json	Mặc định—
Trường`input_audio.data`	Loại`base64_string`	Yêu cầuBắt buộc	Giá trị & giới hạn Áp dụng khi: Đầu vào JSON WhisperOR	Mặc định—
Trường`input_audio.format`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn wav, mp3, flac, ogg, m4a, webm Áp dụng khi: Đầu vào JSON WhisperOR	Mặc định—

Tổ hợp tư liệu đầu vào

· Bắt buộc: model, file

Tham số phương thức và vòng đời

Tham số	Hợp đồng
Tham số`contours`	Hợp đồng{"content_types":["application/json","multipart/form-data"],"required_json":["model","input_audio.data","input_audio.format"],"required_multipart":["model","file"],"file_formats":["wav","mp3","flac","ogg","m4a","webm"],"response_format_optional":["json"]}, {"content_types":["multipart/form-data"],"required":["model","file"],"file_formats":["mp3"],"response_format_option":false}
Tham số`max_bytes`	Hợp đồng26214400
Tham số`material_types`	Hợp đồngaudio

Vòng đời: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Dùng bản ghi âm thực tế và định dạng phù hợp.

Giữ lại toàn bộ bản phiên âm, các đoạn, ID người nói và thông tin thời gian.

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 hìnhGiây âm thanh đầu vào	Biểu mức phí—	Đơn vị tính phímỗi giây âm thanh đầu vào	Phí Đầu vào · Giây âm thanh đầu vào $0.0002 mỗi giây âm thanh đầu vào

Chi tiết giá cước tham chiếu

Biểu tham chiếu cấp mô hình không thay đổi việc chọn phương thức, báo giá hoặc khoản phí. Khoản phí đang áp dụng dùng mức phí phương thức Ailoot đã chọn.

OpenAI: Whisper 1

Giá theo cấu hình

Cấu hình	Điều kiện tính phí	Phí
Cấu hìnhOpenAI: Whisper 1 · Cấu hình mặc định	Điều kiện tính phíCấu hình mặc định	Phí Đầu vào · Giây âm thanh đầu vào 0,0002 US$ mỗi giây âm thanh đầu vào

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 · Nhận dạng giọng nói

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
p=Path(os.environ["AILOOT_AUDIO_FILE"])
if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \
  -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text())))
PY_RESULT

Nhận và lưu kết quả

Ailoot Ultra · Nhận dạng giọng nói

json

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

Lượt đọc nội dung khác

Thư viện phương tiệnTrạng thái tác vụChi tiết tài nguyên

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

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 JSON, không chỉ văn bản; giữ nguyên mọi đoạn/người nói/dấu thời gian hiện có và mã định danh tác vụ/tài sản thực tế.

Nếu cần kiểm tra phản hồi gốc

Giữ lại operation_id/X-Client-Request-ID gốc để đối soát mà không gửi lại yêu cầu; không có tuyến truy vấn trạng thái riêng cho âm thanh.

Trường phản hồi

Trường	Loại
Trường`text`	Loạistring
Trường`segments[]`	Loạiobject
Trường`task_id`	Loạistring
Trường`asset_url`	Loạistring
Trường`usage`	Loạiobject

Lỗi và bước tiếp theo

Phản hồi	Điều kiện	Bước tiếp theo
Phản hồi400 · `invalid_request_error`	Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ	Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồi`server_error`	Điều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm tra	Bước tiếp theoGiữ lại ID thao tác/tác vụ gốc đã trả về, các header của yêu cầu và toàn bộ phản hồi; tiếp tục truy xuất thao tác gốc đó bằng các phương thức được hỗ trợ. Không gửi lại yêu cầu tạo.

Bí danh

Bí danh mô hình

Ailoot Ultra openai/whisper-1

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

openai/whisper-1

FAQ · OpenAI: Whisper 1

Có những đầu vào và kết quả nào?: POST /v1/audio/transcriptions · openai/whisper-1: audio → transcription
Yêu cầu sử dụng những trường nào?: POST /v1/audio/transcriptions · openai/whisper-1: model, file, response_format

OpenAI: Whisper 1

OpenAI: Whisper 1

Bắt đầu

Có trên Ailoot · đầu vào & phương thức

Bảng giá

Mức phí Ailoot

Giá theo cấu hình

Chi tiết giá cước tham chiếu

Giá theo cấu hình

Ví dụ yêu cầu

Ailoot Ultra · Nhận dạng giọng nói

Nhận và lưu kết quả

Ailoot Ultra · Nhận dạng giọng nói

Lưu tất cả kết quả đã hoàn tất

Nếu cần kiểm tra phản hồi gốc

Bí danh

Bí danh mô hình

Bí danh đường dẫn phương thức

ID gọi liên quan

Công ty và danh mục dự án của công ty

Mua token với giá ưu đãi.

Kết nối API vào sản phẩm bạn đang bán.