La API de audio ofrece dos endpoints de voz a texto:
transcriptionstranslations
Para empezar a usar la API de audio, consulta nuestra documentación de voz a texto para desarrolladores.
Preguntas frecuentes
¿Cuánto cuesta usar la API de audio?
Consulta nuestra página de precios para obtener más información.
¿Qué idiomas se admiten?
Consulta la lista de idiomas admitidos aquí.
¿Cómo podemos manejar archivos de audio grandes?
Para las cargas de archivos de transcripción con la versión anterior de la API de audio (whisper-1), el tamaño máximo de la solicitud es de 25 MiB. Las rutas de transcripción más recientes de gpt-4o pueden aplicar criterios de validación distintos, como límites de duración o de tokens, así que consulta la documentación específica del modelo al procesar audios largos de los usuarios.
¿Qué métodos de transmisión están disponibles?
Hay dos formas de transmitir la transcripción, según tu caso de uso y si quieres transcribir una grabación de audio ya finalizada o procesar una transmisión de audio en curso y usar OpenAI para detectar los turnos de habla:
Transmitir la transcripción de una grabación de audio finalizada
Transmitir la transcripción de una grabación de audio en curso
Ten en cuenta que el modelo whisper-1 no admite la transmisión.
¿Qué formatos de archivo se admiten?
Los formatos de archivo admitidos se indican en nuestra documentación de la API.
¿Puedo enviar enlaces a archivos de audio a la API de audio?
No, debes enviar un archivo en uno de los formatos de audio admitidos.