Audio API podržava dvije krajnje točke za pretvaranje govora u tekst:
transcriptionstranslations
Za početak rada s Audio API-jem pročitajte našu dokumentaciju za razvojne programere o pretvaranju govora u tekst.
Česta pitanja
Koliko košta upotreba Audio API-ja?
Pojedinosti potražite na našoj stranici s cijenama.
Koji su jezici podržani?
Pogledajte popis podržanih jezika ovdje.
Kako obrađivati velike audiodatoteke?
Pri slanju datoteka za transkripciju putem starije verzije Audio API-ja s modelom whisper-1 najveća je veličina zahtjeva 25 MiB. Novije rute za transkripciju s modelom gpt-4o mogu primjenjivati drukčije provjere, poput ograničenja trajanja ili broja tokena, pa pri obradi dugih audiosnimki korisnika provjerite dokumentaciju za pojedini model.
Koje su metode strujanja dostupne?
Transkripciju možete primati strujanjem na dva načina, ovisno o tome transkribirate li dovršenu audiosnimku ili zvuk koji se trenutačno snima:
Za transkripciju tijekom snimanja uz gpt-live-transcribe vaša aplikacija mora prepoznati kada govor završi i poslati input_audio_buffer.commit kako bi označila kraj svakog govornog poteza i primila konačnu transkripciju. Ovaj model ne podržava server_vad ni semantic_vad.
Imajte na umu da model whisper-1 ne podržava strujanje.
Koji su formati datoteka podržani?
Podržani formati datoteka navedeni su u našoj dokumentaciji za API.
Mogu li Audio API-ju slati poveznice na audiodatoteke?
Ne, morate poslati datoteku u jednom od podržanih audioformata.
