የድምፅ API ንግግርን ወደ ጽሑፍ ለመቀየር ሁለት መዳረሻዎችን ይደግፋል፦

• transcriptions

• translations

የድምፅ APIን መጠቀም ለመጀመር፣ ንግግርን ወደ ጽሑፍ ስለመቀየር ለገንቢዎች ያዘጋጀነውን ሰነድ ያንብቡ።

ተደጋጋሚ ጥያቄዎች

የድምፅ APIን ለመጠቀም ስንት ያስከፍላል?

ለዝርዝር መረጃ የዋጋ ገጻችንን ይመልከቱ።

የትኞቹ ቋንቋዎች ይደገፋሉ?

የሚደገፉትን ቋንቋዎች ዝርዝር እዚህ ይመልከቱ።

ትላልቅ የድምፅ ፋይሎችን እንዴት ማስተናገድ እንችላለን?

በቀድሞው/whisper-1 የድምፅ API ድምፅን ወደ ጽሑፍ ለመቀየር ፋይሎችን ሲሰቅሉ፣ የአንድ ጥያቄ ከፍተኛ መጠን 25 MiB ነው። ድምፅን ወደ ጽሑፍ የሚቀይሩ አዳዲስ የgpt-4o መዳረሻዎች፣ እንደ ቆይታ ወይም የtoken ብዛት ገደብ ያሉ የተለያዩ የማረጋገጫ መስፈርቶችን ሊጠቀሙ ይችላሉ። ስለዚህ ከተጠቃሚዎች የሚመጡ ረጅም የድምፅ ግብዓቶችን ሲያስተናግዱ፣ ለሚጠቀሙበት ሞዴል የተዘጋጀውን ሰነድ ይመልከቱ።

በዥረት ለማስተላለፍ ምን ዘዴዎች አሉ?

ከድምፅ የተቀየረውን ጽሑፍ በዥረት ለማስተላለፍ ሁለት መንገዶች አሉ። ምርጫው በአጠቃቀምዎ ላይ ይመሠረታል፤ ማለትም ቀድሞ የተቀዳ ድምፅን ወደ ጽሑፍ ለመቀየር ወይም በመተላለፍ ላይ ያለ የድምፅ ዥረትን ለማስተናገድና የንግግር ተራዎችን ለመለየት OpenAIን ለመጠቀም መፈለግዎ ይወስነዋል፦

• ከተጠናቀቀ የድምፅ ቅጂ የተቀየረ ጽሑፍን በዥረት ማስተላለፍ

• እየተቀዳ ካለ ድምፅ የተቀየረ ጽሑፍን በዥረት ማስተላለፍ

የwhisper-1 ሞዴል በዥረት ማስተላለፍን እንደማይደግፍ ልብ ይበሉ።

የትኞቹ የፋይል ቅርጸቶች ይደገፋሉ?

የሚደገፉት የፋይል ቅርጸቶች በAPI ሰነዶቻችን ተዘርዝረዋል።

የድምፅ ፋይሎችን አገናኞች ወደ ድምፅ API መላክ እችላለሁ?

አይችሉም፤ ከሚደገፉት የድምፅ ቅርጸቶች በአንዱ የተዘጋጀ ፋይል መላክ አለብዎት።