Source: https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe/ Canonical: https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe/ Language: zh-hant-tw # OpenAI: GPT-4o Transcribe [Markdown](https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe/facts.json) ## [OpenAI: GPT-4o Transcribe](https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe/) GPT-4o Transcribe 使用 OpenAI 的 GPT-4o 語音辨識能力將音訊轉成文字。它支援情境提示詞、輸入語言提示、JSON 逐字稿、檔案輸出串流，以及可選的 token 對數機率，用於檢閱不確定的用字。 - [**Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe`](https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe/#method-0) 關於模型 此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。 GPT-4o Transcribe 是 OpenAI 以 GPT-4o 為基礎的語音轉文字模型。它接受音訊及可選的文字引導，輸出辨識出的文字。它與 GPT-4o Mini Transcribe 版本及專門標記說話者的 GPT-4o Transcribe Diarize 分開。使用這個設定檔準備忠實的發言文字紀錄，並保留來源錄音，供檢閱與後續編輯使用。 #### 檔案輸入與長篇素材準備 OpenAI 的轉錄指南記載上傳上限為 25 MB。目前的端點參考接受 FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 與 WebM，並建議提供可識別格式的檔案中繼資料，包括帶有副檔名的檔名與適當的內容類型。較大的錄音可依開發商較長輸入指引壓縮，或分成有順序、每個不超過 25 MB 的部分。避免在句子中間切割，並保留各部分在完整錄音中的位置。 訪談中，將各輸入檔案連到錄音及其涵蓋段落。技術簡報中，準備相關產品名稱、縮寫與領域詞彙作為脈絡，再將拼法對照說話者實際發言檢查。帶有數值的錄音解說，應先將逐字稿與來源一起檢閱，再改成書面程序。第一個需要的成品是以文字呈現的辨識語音；精簡報告或翻譯文件可以在另一個步驟中由這份文字製作。 #### 錄音專用提示詞與語言選擇 開發商指南明確將 GPT-4o Transcribe 納入提示詞支援範圍。提示詞可以提供正確拼法、前一片段的脈絡，以及標點、大小寫、語助填充詞或書寫系統偏好。參考文件表示提示詞應符合錄音語言。簡短且相關的主題與詞彙說明，可為轉錄提供有用脈絡，同時不把未說出的詞語當成必要輸出。 這個設定檔支援單數 language 提示，文件記載採 ISO 639-1 形式。提供實際輸入語言可協助辨識。GPT Transcribe 較新的 keywords 與複數 languages 欄位屬於該另行命名的模型，不應假設 GPT-4o Transcribe 也具備。讓語言設定對應正在轉錄的發言，並在後續翻譯或風格改寫前保留原始用字。 #### 結果格式、機率與專用輸出 目前的端點參考將 JSON 記為 GPT-4o Transcribe 支援的回應格式。結果含有辨識文字，也可在這個 JSON 格式中要求可選的 token 對數機率。機率資料描述模型如何選擇 token，可以協助判斷哪些段落值得檢查，但困難的名稱、數字或字句是否被逐字稿重現，仍需對照音訊確認。 標準設定檔的 JSON 結果不提供原生字幕格式、詳細逐字時間戳或說話者指派。需要這些輸出時，OpenAI 記載了其他模型與格式選項；GPT-4o Transcribe Diarize 是獨立的說話者標籤版本。字幕任務應保留檢查過的逐字稿，供適當的時間標記步驟使用。對話中，不要只因逐字稿段落看似改變主題或聲音，就虛構說話者名稱。 #### 已完成檔案的結果串流 OpenAI 的語音轉文字指南表示，既有 GPT-4o Transcribe 整合支援檔案串流。應用程式先提供錄音，再於處理該錄音時接收逐字稿文字，並保留完成結果。這是在串流傳送已完成錄音的逐字稿，而非接收持續傳入的麥克風音訊。確切模型卡也列出轉錄與 Realtime 端點家族；模型特有的工作階段行為必須對應這個設定檔，不應從較新的持續串流模型借用。 #### 模型限制與最終成品檢查 目前的 GPT-4o Transcribe 規格列出 16,000 個 token 的上下文視窗、2,000 個 token 的最大輸出，以及 2024 年 6 月 1 日的知識截止日。這些 token 限制不是固定音訊時長，也不取代檔案轉錄準備規則。較長錄音應保留來源順序及相關前文，再確認完成文字涵蓋每個預定片段的結尾。 有用的最終逐字稿可以成為可搜尋的訪談資料、技術文件的來源，或後續字幕流程的文字。將不確定的詞彙、數量、標點、口音與重疊發言對照錄音檢查。將辨識文字與後續修正或摘要分開，並透過周邊流程的識別碼保留來源連結。模型提供文字紀錄；仔細準備輸入與檢閱來源，決定這份紀錄是否適合下一個用途。 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe` [`openai/gpt-4o-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-4o-transcribe&route=Ultra&caller=openai%2Fgpt-4o-transcribe&fmt=transcriptions) OpenAI /`openai/gpt-4o-transcribe` ### 入門 GPT-4o Transcribe 使用 OpenAI 的 GPT-4o 語音辨識能力將音訊轉成文字。它支援情境提示詞、輸入語言提示、JSON 逐字稿、檔案輸出串流，以及可選的 token 對數機率，用於檢閱不確定的用字。 接受的輸入 音訊 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` 輸入 `audio` 輸出 `text` | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 openai/gpt-4o-transcribe | 預設值— | | 欄位`input_audio` | 類型`object` | 要求必填 | 值與限制 | 預設值— | 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, input\_audio | | 參數`material_types` | 規格audio | | 參數`material_conditions` | 規格此範例會讀取您實際使用且非空的 PCM WAV 檔案，將完整檔案位元組編碼為 base64，並將 input\_audio.format 設為 wav 傳送。 | 生命週期： `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 現有自有媒體紀錄中完全相符的 task\_id `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 方案 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 未指定 選取快速模式時 flex 模式 未指定 選取 flex 模式時 最高推理強度 未指定 最高推理強度採用 default 調整值時 #### Ailoot 費率 #### 各設定的價格 請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。 | 設定 | 費率表 | 計費單位 | 費用 | | --- | --- | --- | --- | | 設定基礎 token 費率 | 費率表基本費率 | 計費單位— | 費用 輸入 · 輸入 Token **—** / 1K Token 輸出 · 輸出 Token **—** / 1K Token 輸入 · 讀取快取 **—** / 1K Token 輸入 · 寫入快取 **—** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | | 設定輸入 token | 費率表— | 計費單位/ 1K Token | 費用 輸入 **$0.005** / 1K Token | | 設定輸出 token | 費率表— | 計費單位/ 1K Token | 費用 輸出 **$0.02** / 1K Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · 語音轉文字 curl · 實際 WAV 檔案與完整的原始結果 ```bash set -eu : "${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. ``` ### 接收並儲存結果 #### Ailoot Ultra · 語音轉文字 完整的原始回應本文、狀態與轉送標頭。此處理常式不會加入通用的 JSON 結構、文字欄位或工作封裝。 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。 ##### 需要檢查原始回應時 請保留實際的 X-Client-Request-ID 與完整回應。請讀取原始自有資產及其完全相符的簽署內容 URL；切勿重新提交結果不明的建立請求。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`text (when present)` | 類型 | | 欄位`usage (when present)` | 類型 | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件JSON 本文或明確的標準模型 ID 無效。 | 下一步請保留回應，並修正指出的請求欄位。 | | 回應401 · `authentication_error` | 條件Ailoot API 金鑰無效。 | 下一步請使用您已獲授權的 Ailoot API 金鑰。 | | 回應403 · `permission_error` | 條件此金鑰群組未獲准使用該方法。 | 下一步請保留回傳的錯誤詳細資訊。 | | 回應404 · `not_found_error` | 條件所選方法沒有獲准使用的路由。 | 下一步請保留回傳的錯誤詳細資訊。 | | 回應422 · `price_unavailable` | 條件已接受的費率無法取得其所需的輸入數量或界限。 | 下一步請保留回應，並使用已接受費率所要求的輸入表示方式。 | | 回應503 · `` | 條件所需的儲存系統、路由、方法價格或預留額度無法使用。 | 下一步請保留完整的原始回應。預留額度狀態不明並不代表可以重新提交。 | | 回應502 · `server_error` | 條件原始結果、用量或結算需要查核。 | 下一步請保留實際的請求 ID 與原始回應。請讀取現有的自有紀錄，切勿重新提交建立請求。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`openai/gpt-4o-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-4o-transcribe&route=Ultra&caller=openai%2Fgpt-4o-transcribe&fmt=transcriptions) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`openai/gpt-4o-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-4o-transcribe&route=Ultra&caller=openai%2Fgpt-4o-transcribe&fmt=transcriptions) FAQ · OpenAI: GPT-4o Transcribe 可以使用哪些輸入與結果？ `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe`: `audio` → `text` 請求使用哪些欄位？ `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe`: `model`, `input_audio` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。