Sinusuportahan ng Audio API ang dalawang endpoint para sa pag-convert ng pagsasalita sa text:

• transcriptions

• translations

Para makapagsimula sa Audio API, basahin ang aming dokumentasyon para sa mga developer tungkol sa pag-convert ng pagsasalita sa text.

Mga madalas itanong

Magkano ang paggamit ng Audio API?

Tingnan ang aming pahina ng presyo para sa mga detalye.

Anong mga wika ang sinusuportahan?

Tingnan ang listahan ng mga suportadong wika rito.

Paano natin mapoproseso ang malalaking audio file?

Para sa mga upload na ita-transcribe gamit ang legacy/whisper-1 sa Audio API, 25 MiB ang pinakamalaking pinapayagang request. Maaaring iba ang mga pamantayan sa pag-validate ng mas bagong mga route sa pag-transcribe gamit ang gpt-4o, gaya ng limitasyon sa tagal o bilang ng token. Kaya tingnan ang dokumentasyon ng partikular na modelo kapag nagpoproseso 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 kung ang tina-transcribe mo ay isang tapos nang audio recording o isang tuloy-tuloy na audio stream:

• Pag-stream ng transkripsyon ng isang tapos nang audio recording

• Pag-stream ng transkripsyon ng isang nagpapatuloy na audio recording

Para sa tuloy-tuloy na transkripsyon gamit ang gpt-live-transcribe, kailangang matukoy ng iyong application kung kailan natatapos ang pagsasalita at magpadala ng input_audio_buffer.commit para ihudyat ang pagtatapos ng bawat turno at matanggap ang pinal na transcript. Hindi sinusuportahan ng modelong ito ang server_vad o semantic_vad.

Tandaan na hindi sinusuportahan ng modelong whisper-1 ang streaming.

Anong mga format ng file ang sinusuportahan?

Nakalista ang mga suportadong format ng file sa aming dokumentasyon ng API.

Puwede ba akong magpadala ng mga link sa mga audio file sa Audio API?

Hindi, kailangan mong magpadala ng file na nasa isa sa mga suportadong format ng audio.