Audio API podržava dvije krajnje tačke za pretvaranje govora u tekst:

• transcriptions

• translations

Za početak rada s Audio API-jem pročitajte našu dokumentaciju za programere o pretvaranju govora u tekst.

Često postavljana pitanja

Koliko košta korištenje Audio API-ja?

Detalje potražite na našoj stranici s cijenama.

Koji su jezici podržani?

Pogledajte listu podržanih jezika ovdje.

Kako možemo obrađivati velike audiodatoteke?

Pri učitavanju datoteka za transkripciju putem starije verzije Audio API-ja s modelom whisper-1, maksimalna veličina zahtjeva je 25 MiB. Novije rute za transkripciju s modelom gpt-4o mogu primjenjivati drugačije provjere, poput ograničenja trajanja ili broja tokena, pa pri obradi dugih audiosnimaka korisnika provjerite dokumentaciju za konkretni model.

Koji su načini prijenosa u realnom vremenu dostupni?

Transkripciju možete prenositi u realnom vremenu na dva načina, zavisno od vaših potreba i toga da li transkribirate već završeni audiosnimak ili obrađujete zvuk koji se trenutno prenosi i koristite OpenAI za prepoznavanje početka i kraja govornih dionica:

• Prijenos transkripcije završenog audiosnimka u realnom vremenu

• Prijenos transkripcije u realnom vremenu tokom audiosnimanja

Imajte na umu da model whisper-1 ne podržava prijenos u realnom vremenu.

Koji su formati datoteka podržani?

Podržani formati datoteka navedeni su u našoj API dokumentaciji.

Mogu li slati linkove na audiodatoteke Audio API-ju?

Ne, morate poslati datoteku u jednom od podržanih audioformata.