تدعم واجهة API للصوت نقطتي نهاية لتحويل الكلام إلى نص:

• transcriptions

• translations

لبدء استخدام واجهة API للصوت، يُرجى قراءة وثائق المطوّرين الخاصة بتحويل الكلام إلى نص.

الأسئلة الشائعة

ما تكلفة استخدام واجهة API للصوت؟

راجع صفحة الأسعار للاطّلاع على التفاصيل.

ما اللغات المدعومة؟

اطّلع على قائمة اللغات المدعومة هنا.

كيف يمكننا التعامل مع الملفات الصوتية الكبيرة؟

عند رفع ملفات للتفريغ النصي عبر واجهة API للصوت القديمة أو باستخدام whisper-1، يكون الحد الأقصى لحجم الطلب 25 ميبيبايت (MiB). قد تعتمد مسارات التفريغ النصي الأحدث التي تستخدم gpt-4o معايير تحقق مختلفة، مثل حدود المدة أو عدد الرموز، لذا راجع الوثائق الخاصة بالنموذج عند التعامل مع مدخلات صوتية طويلة من المستخدمين.

ما طرق البث المتاحة؟

يمكنك بث النص المُفرَّغ بطريقتين، بحسب ما إذا كنت تُفرِّغ تسجيلًا صوتيًا مكتملًا أو بثًا صوتيًا مستمرًا:

• بث التفريغ النصي لتسجيل صوتي مكتمل

• بث التفريغ النصي لتسجيل صوتي جارٍ

للتفريغ النصي المستمر باستخدام gpt-live-transcribe، يجب أن يكتشف تطبيقك انتهاء الكلام ويرسل input_audio_buffer.commit للإشارة إلى نهاية كل دور في المحادثة وتلقّي النص النهائي المُفرَّغ. لا يدعم هذا النموذج server_vad أو semantic_vad.

لاحظ أن نموذج whisper-1 لا يدعم البث.

ما تنسيقات الملفات المدعومة؟

تنسيقات الملفات المدعومة مذكورة في وثائق API الخاصة بنا.

هل يمكنني إرسال روابط لملفات صوتية إلى واجهة API للصوت؟

لا، يجب إرسال ملف بأحد تنسيقات الصوت المدعومة.