Sinusuportahan ng Audio API ang dalawang endpoint para sa speech-to-text:
transcriptionstranslations
Para makapagsimula sa Audio API, pakibasa ang aming dokumentasyon para sa developer tungkol sa speech-to-text.
Magkano ang paggamit ng Audio API?
Tingnan ang aming pahina ng pagpepresyo para sa mga detalye.
Anong mga wika ang sinusuportahan?
Tingnan ang listahan ng mga sinusuportahang wika rito.
Paano namin mahahawakan ang malalaking audio file?
Para sa mga pag-upload ng transkripsyon sa legacy/whisper-1 Audio API, ang maximum na laki ng request ay 25 MiB. Maaaring gumamit ng ibang validation ang mas bagong mga ruta ng transkripsyon ng gpt-4o, gaya ng mga limitasyon sa tagal o token, kaya tingnan ang dokumentasyong partikular sa modelo kapag humahawak ng mahahabang audio input mula sa mga user.
Anong mga paraan ng streaming ang available?
May dalawang paraan para i-stream ang iyong transkripsyon depende sa iyong gamit at kung sinusubukan mong i-transcribe ang natapos nang audio recording o humawak ng kasalukuyang stream ng audio at gamitin ang OpenAI para sa pagtukoy ng turn:
Pag-stream ng transkripsyon ng isang natapos na audio recording
Pag-stream ng transkripsyon ng isang kasalukuyang audio recording
Tandaan na hindi sinusuportahan ang streaming sa modelong whisper-1.
Anong mga format ng file ang sinusuportahan?
Kasama ang mga sinusuportahang format ng file sa aming mga API doc.
Maaari ba akong magpadala ng mga link sa mga audio file sa Audio API?
Hindi, dapat kang magpadala ng file sa isa sa mga sinusuportahang format ng audio.