ઑડિયો API વાણીને ટેક્સ્ટમાં રૂપાંતરિત કરવા માટેના બે એન્ડપોઇન્ટને સપોર્ટ કરે છે:
transcriptionstranslations
ઑડિયો API સાથે શરૂઆત કરવા માટે, કૃપા કરીને અમારું વાણીથી ટેક્સ્ટ માટેનું ડેવલપર દસ્તાવેજીકરણ વાંચો.
ઑડિયો API નો ઉપયોગ કરવાનો ખર્ચ કેટલો છે?
વિગતો માટે અમારું કિંમત નિર્ધારણ પૃષ્ઠ જુઓ.
કઈ ભાષાઓ સમર્થિત છે?
અહીં સમર્થિત ભાષાઓની સૂચિ જુઓ.
અમે મોટી ઑડિયો ફાઇલોને કેવી રીતે હેન્ડલ કરી શકીએ?
લેગસી/whisper-1 ઑડિયો API ટ્રાન્સક્રિપ્શન અપલોડ માટે, મહત્તમ વિનંતી કદ 25 MiB છે. નવા gpt-4o ટ્રાન્સક્રિપ્શન રૂટ્સ અલગ માન્યકરણનો ઉપયોગ કરી શકે છે, જેમ કે અવધિ અથવા ટોકન મર્યાદાઓ, તેથી વપરાશકર્તાઓના લાંબા ઑડિયો ઇનપુટ્સ હેન્ડલ કરતી વખતે મોડલ-વિશિષ્ટ દસ્તાવેજીકરણ તપાસો.
કઈ સ્ટ્રીમિંગ પદ્ધતિઓ ઉપલબ્ધ છે?
તમારા ઉપયોગના કેસ અને તમે પહેલેથી પૂર્ણ થયેલી ઑડિયો રેકોર્ડિંગનું ટ્રાન્સક્રિપ્શન કરવા માંગો છો કે ચાલુ ઑડિયો સ્ટ્રીમ હેન્ડલ કરીને ટર્ન ડિટેક્શન માટે OpenAI નો ઉપયોગ કરવા માંગો છો તેના આધારે, તમારી ટ્રાન્સક્રિપ્શન સ્ટ્રીમ કરવાની બે રીતો છે:
નોંધ કરો કે whisper-1 મોડલ સાથે સ્ટ્રીમિંગ સમર્થિત નથી.
કયા ફાઇલ ફોર્મેટ્સ સમર્થિત છે?
સમર્થિત ફાઇલ ફોર્મેટ્સ અમારા API દસ્તાવેજોમાં શામેલ છે.
શું હું ઑડિયો ફાઇલોના લિંક્સ ઑડિયો API ને મોકલી શકું?
ના, તમારે સમર્થિત ઑડિયો ફોર્મેટ્સમાંથી એકમાં ફાઇલ મોકલવી આવશ્યક છે.