ऑडियो एपीआई में वाणी को पाठ में बदलने के लिए दो एंडपॉइंट उपलब्ध हैं:

• transcriptions

• translations

ऑडियो एपीआई का उपयोग शुरू करने के लिए, कृपया वाणी को पाठ में बदलने से जुड़े हमारे डेवलपर दस्तावेज़ पढ़ें.

अक्सर पूछे जाने वाले प्रश्न

ऑडियो एपीआई का उपयोग करने में कितना खर्च आता है?

विस्तृत जानकारी के लिए हमारा मूल्य निर्धारण पृष्ठ देखें.

कौन-कौन सी भाषाएँ समर्थित हैं?

समर्थित भाषाओं की सूची यहाँ देखें.

हम बड़ी ऑडियो फ़ाइलों को कैसे संसाधित कर सकते हैं?

पुराने whisper-1 ऑडियो एपीआई में लिप्यंतरण के लिए फ़ाइल अपलोड करते समय अनुरोध का अधिकतम आकार 25 MiB है. नए gpt-4o लिप्यंतरण रूट में सत्यापन के अलग मानदंड हो सकते हैं, जैसे अवधि या टोकन की सीमाएँ. इसलिए उपयोगकर्ताओं से मिले लंबे ऑडियो इनपुट को संसाधित करते समय संबंधित मॉडल के दस्तावेज़ देखें.

स्ट्रीमिंग के कौन-से तरीके उपलब्ध हैं?

लिप्यंतरण की स्ट्रीमिंग के दो तरीके हैं. कौन-सा तरीका इस्तेमाल करना है, यह इस बात पर निर्भर करता है कि आप पूरी हो चुकी ऑडियो रिकॉर्डिंग का लिप्यंतरण कर रहे हैं या लगातार आ रही ऑडियो का:

• पूरी हो चुकी ऑडियो रिकॉर्डिंग के लिप्यंतरण की स्ट्रीमिंग

• चल रही ऑडियो रिकॉर्डिंग के लिप्यंतरण की स्ट्रीमिंग

gpt-live-transcribe से लगातार लिप्यंतरण करने के लिए, आपके ऐप्लिकेशन को यह पहचानना होगा कि बोलना कब समाप्त हुआ. हर बार बोलना समाप्त होने का संकेत देने और अंतिम लिप्यंतरण पाने के लिए उसे input_audio_buffer.commit भेजना होगा. यह मॉडल server_vad या semantic_vad का समर्थन नहीं करता है.

ध्यान दें कि whisper-1 मॉडल में स्ट्रीमिंग की सुविधा उपलब्ध नहीं है.

कौन-कौन से फ़ाइल प्रारूप समर्थित हैं?

समर्थित फ़ाइल प्रारूपों की जानकारी हमारे एपीआई दस्तावेज़ों में दी गई है.

क्या मैं ऑडियो एपीआई को ऑडियो फ़ाइलों के लिंक भेज सकता हूँ?

नहीं, आपको समर्थित ऑडियो प्रारूपों में से किसी एक में फ़ाइल भेजनी होगी.