Source: https://ailoot.ai/models/zh-hant-tw/openai-gpt-transcribe/ Canonical: https://ailoot.ai/models/zh-hant-tw/openai-gpt-transcribe/ Language: zh-hant-tw # OpenAI: GPT Transcribe [Markdown](https://ailoot.ai/models/zh-hant-tw/openai-gpt-transcribe/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/openai-gpt-transcribe/facts.json) ## [OpenAI: GPT Transcribe](https://ailoot.ai/models/zh-hant-tw/openai-gpt-transcribe/) GPT Transcribe 將錄製語音轉成原語言文字，支援上下文提示詞、字面關鍵詞提示和多語言提示。OpenAI 記載了完整檔案轉錄、檔案結果串流，以及 Realtime 音訊回合提交後的轉錄。 - [**Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `openai/gpt-transcribe`](https://ailoot.ai/models/zh-hant-tw/openai-gpt-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 Transcribe 是 OpenAI 的語音轉文字模型，適用於完整音訊檔案、檔案逐字稿串流，以及 Realtime 工作階段中已提交的音訊回合。它接受音訊和選用的文字上下文，回傳辨識出的文字。開發方將其定位於準確轉錄原語言的錄製語音，包括領域詞彙、多語言錄音和語碼轉換。實用輸出是與錄音保持關聯的逐字稿，並在模型能可靠預測時附上偵測語言中繼資料。 #### 準備完整錄音 OpenAI 的檔案轉錄流程接受最多 25 MB 的上傳。當前端點參考文件列出 FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 和 WebM 輸入格式，並建議提供足以辨識格式的檔案中繼資料，包括適當副檔名和內容型別。較大的錄音，指南建議壓縮或分割成每份 25 MB 以下的檔案。避免在句子中間切割，因為移除前後語音可能降低辨識準確度。請依順序保留各部分，以及它們在原始錄音中的位置。 會議、訪談或錄製簡報應提供實際音訊，並指出主題和可能出現的術語。實用結果是辨識出的原話，而非推測的討論摘要。請將錄音識別碼與回傳文字保存在一起，讓審查姓名、數字或不確定詞句的人能回到正確來源。逐字稿之後可作為獨立摘要、翻譯或編輯流程的資料。 #### 上下文、關鍵詞提示與預期語言 開發方區分三種引導。提示詞提供錄音主題或情境的自由形式上下文。關鍵詞提供語音中預期出現的字面詞語或片語。語言清單指出預期的口語語言。雙語產品討論可在提示詞中描述情境、將相關產品名稱列為關鍵詞，再提供預期語言。這些是辨識提示，並非要求插入未曾被說出的詞彙。 GPT Transcribe 使用複數 languages 欄位，而非較舊的單數 language 欄位；OpenAI 指出不要同時傳送兩者。指南接受支援的 ISO 639-1 代碼、指定的 ISO 639-3 代碼，以及區域中文語系代碼，不支援或格式錯誤的值會被拒絕。每個關鍵詞必須維持單行，不得包含角括號、回車或換行。無效關鍵詞或過長提示詞可能讓整個請求遭到拒絕。請讓上下文保持相關，並確認提示的名稱是否真的出現在音訊中，而非將提示清單當成逐字稿。 #### JSON 輸出與偵測語言預測 文件所列的檔案結果是包含逐字稿和偵測語言的 JSON。這些語言預測是模型的輸出，而非複製所提供的語言提示。當模型無法可靠預測時，空語言清單是有效結果，不表示錄音無聲或轉錄失敗。請將辨識文字和語言中繼資料分開，讓後續處理能依各自意義使用。 #### 串流檔案逐字稿 完整檔案可在處理時逐步產生逐字稿文字。OpenAI 記載 transcript.text.delta 事件用於部分文字，transcript.text.done 則用於完整檔案逐字稿；最後事件也包含偵測語言。這是對已提供錄音的輸出進行串流，適合呈現較長上傳的處理進度；最後事件才確立應保留為完整結果的文字。 #### Realtime 工作階段中已提交的回合 GPT Transcribe 也提供透過 WebSocket 的專用 Realtime 流程。音訊會追加至輸入緩衝區，再由應用程式明確提交一個音訊回合。轉錄從該已提交區塊開始，可能在完成事件前發出增量內容，並包含偵測語言資訊。在這個開發方工作階段流程中，模型會自動將先前已轉錄回合作為上下文。這與麥克風音訊一到達就持續輸出即時字幕文字不同；OpenAI 將持續處理的流程命名為 GPT Live Transcribe。 多個回合應將輸入項目識別碼與對應逐字稿保存在一起。OpenAI 提醒，不同回合的完成事件不一定依發話順序到達，因此請將每份最終結果關聯至其已提交輸入，而非只依完成時間排列對話。實用成果是由正確最終項目組成的有序逐字稿，暫存文字應視為進度，而非另一段已完成發話。 #### 專用輸出與實質限制 此設定檔不提供通用的字幕、時間戳記、翻譯或說話者標籤約定。OpenAI 的遷移指南區分這些專用能力：原生字幕格式和逐字時間資訊需要相容的模型與格式，說話者標籤則使用 GPT-4o Transcribe Diarize。GPT Transcribe 的檔案結果是 JSON，不能直接替代 SRT、VTT 或詳細時間戳記回應。其確切模型卡未公布數值形式的上下文或最大輸出額度，因此不應將聊天模型的詞元視窗套用於音訊轉錄。 請依錄音檢查困難詞彙、數字、口音、背景噪音和語言切換。確認相關提示改善了辨識，而未引入未被說出的詞語，並確認最終逐字稿包含音訊結尾。多語言結果應先保留實際發話，再準備翻譯版本。這些檢查讓逐字稿成為實用來源資料，同時清楚區分上下文提示、偵測語言和辨識出的語音。 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `openai/gpt-transcribe` [`openai/gpt-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) OpenAI /`openai/gpt-transcribe` ### 入門 GPT Transcribe 將錄製語音轉成原語言文字，支援上下文提示詞、字面關鍵詞提示和多語言提示。OpenAI 記載了完整檔案轉錄、檔案結果串流，以及 Realtime 音訊回合提交後的轉錄。 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-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 | | 設定輸入音訊秒數 | 費率表— | 計費單位每秒輸入音訊 | 費用 輸入 · 輸入音訊秒數 **$0.00015** 每秒輸入音訊 | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · 語音轉文字 curl · 實際 WAV 檔案與完整的原始結果 ```bash set -eu : "${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-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-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-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-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) FAQ · OpenAI: GPT Transcribe 可以使用哪些輸入與結果？ `POST /v1/audio/transcriptions` · `openai/gpt-transcribe`: `audio` → `text` 請求使用哪些欄位？ `POST /v1/audio/transcriptions` · `openai/gpt-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。