Die Audio API unterstützt zwei Endpunkte zur Umwandlung von Sprache in Text:
transcriptionstranslations
Lies zum Einstieg in die Audio API unsere Entwicklungsdokumentation zur Umwandlung von Sprache in Text.
Häufig gestellte Fragen
Wie viel kostet die Nutzung der Audio API?
Details findest du in unserer Preisübersicht.
Welche Sprachen werden unterstützt?
Hier findest du eine Liste der unterstützten Sprachen.
Wie können wir große Audiodateien verarbeiten?
Bei Transkriptions-Uploads über ältere Endpunkte der Audio API bzw. whisper-1 beträgt die maximale Anfragegröße 25 MiB. Neuere Transkriptionsrouten mit gpt-4o können andere Validierungsregeln verwenden, etwa Grenzen für die Dauer oder die Anzahl der Token. Prüfe daher die modellspezifische Dokumentation, wenn du lange Audioeingaben von Personen verarbeitest, die deine Anwendung nutzen.
Welche Streaming-Methoden sind verfügbar?
Du kannst deine Transkription auf zwei Arten streamen, je nachdem, ob du eine abgeschlossene Audioaufnahme oder einen laufenden Audiostream transkribierst:
Für die laufende Transkription mit gpt-live-transcribe muss deine Anwendung erkennen, wann die Spracheingabe endet, und input_audio_buffer.commit senden, um das Ende jedes Redebeitrags zu signalisieren und das endgültige Transkript zu erhalten. Dieses Modell unterstützt weder server_vad noch semantic_vad.
Beachte, dass das Modell whisper-1 kein Streaming unterstützt.
Welche Dateiformate werden unterstützt?
Die unterstützten Dateiformate findest du in unserer API-Dokumentation.
Kann ich Links zu Audiodateien an die Audio API senden?
Nein, du musst eine Datei in einem der unterstützten Audioformate senden.