Audio API поддържа две крайни точки за преобразуване на реч в текст:

• transcriptions

• translations

За да започнете работа с Audio API, прочетете нашата документация за разработчици за преобразуване на реч в текст.

Често задавани въпроси

Колко струва използването на Audio API?

За подробности вижте нашата страница с цени.

Кои езици се поддържат?

Вижте списъка с поддържаните езици тук.

Как да обработваме големи аудиофайлове?

При качване на файлове за транскрипция чрез по-старата версия на Audio API с whisper-1 максималният размер на заявката е 25 MiB. По-новите крайни точки за транскрипция с gpt-4o може да прилагат различни проверки, например ограничения за продължителността или броя токени. Затова, когато обработвате дълги аудиозаписи от потребители, проверете документацията за конкретния модел.

Какви методи за поточно предаване са налични?

Има два начина за поточно предаване на транскрипцията според конкретния случай: дали транскрибирате вече завършен аудиозапис, или обработвате текущ аудиопоток и използвате OpenAI за откриване на границите на репликите:

• Поточно предаване на транскрипцията на завършен аудиозапис

• Поточно предаване на транскрипцията на аудио, което се записва в момента

Имайте предвид, че моделът whisper-1 не поддържа поточно предаване.

Какви файлови формати се поддържат?

Поддържаните файлови формати са посочени в нашата документация за API.

Мога ли да изпращам връзки към аудиофайлове до Audio API?

Не, трябва да изпратите файл в един от поддържаните аудиоформати.