Το Audio API υποστηρίζει δύο τελικά σημεία μετατροπής ομιλίας σε κείμενο:

• transcriptions

• translations

Για να ξεκινήσετε με το Audio API, διαβάστε την τεκμηρίωση για προγραμματιστές σχετικά με τη μετατροπή ομιλίας σε κείμενο.

Συχνές ερωτήσεις

Πόσο κοστίζει η χρήση του Audio API;

Δείτε τη σελίδα τιμών μας για λεπτομέρειες.

Ποιες γλώσσες υποστηρίζονται;

Δείτε τη λίστα με τις υποστηριζόμενες γλώσσες εδώ.

Πώς μπορούμε να διαχειριστούμε μεγάλα αρχεία ήχου;

Για μεταφορτώσεις απομαγνητοφώνησης μέσω της παλαιότερης έκδοσης του Audio API με whisper-1, το μέγιστο μέγεθος αιτήματος είναι 25 MiB. Οι νεότερες διαδρομές απομαγνητοφώνησης με gpt-4o ενδέχεται να εφαρμόζουν διαφορετικούς ελέγχους, όπως όρια διάρκειας ή token. Γι’ αυτό, συμβουλευτείτε την τεκμηρίωση του συγκεκριμένου μοντέλου όταν διαχειρίζεστε ηχητικές εισόδους μεγάλης διάρκειας από χρήστες.

Ποιες μέθοδοι ροής δεδομένων είναι διαθέσιμες;

Υπάρχουν δύο τρόποι λήψης της απομαγνητοφώνησης σε ροή, ανάλογα με την περίπτωση χρήσης: αν θέλετε να απομαγνητοφωνήσετε μια ήδη ολοκληρωμένη ηχογράφηση ή να επεξεργαστείτε μια συνεχή ροή ήχου, χρησιμοποιώντας την OpenAI για τον εντοπισμό των εναλλαγών ομιλίας:

• Λήψη της απομαγνητοφώνησης μιας ολοκληρωμένης ηχογράφησης σε ροή

• Λήψη της απομαγνητοφώνησης μιας ηχογράφησης σε εξέλιξη σε ροή

Σημειώστε ότι η ροή δεδομένων δεν υποστηρίζεται με το μοντέλο whisper-1.

Ποιες μορφές αρχείων υποστηρίζονται;

Οι υποστηριζόμενες μορφές αρχείων αναφέρονται στην τεκμηρίωση του API μας.

Μπορώ να στείλω συνδέσμους προς αρχεία ήχου στο Audio API;

Όχι, πρέπει να στείλετε ένα αρχείο σε μία από τις υποστηριζόμενες μορφές ήχου.