Audio API podržava dvije krajnje točke za pretvaranje govora u tekst:

• transcriptions

• translations

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.

Koji su načini prijenosa u stvarnom vremenu dostupni?

Transkripciju možete prenositi u stvarnom vremenu na dva načina, ovisno o namjeni i o tome želite li transkribirati dovršenu audiosnimku ili obrađivati zvuk koji se trenutačno prenosi uz prepoznavanje izmjena govornika s pomoću tehnologije OpenAI:

• Prijenos transkripcije dovršene audiosnimke u stvarnom vremenu

• Prijenos transkripcije audiosnimke u stvarnom vremenu dok je snimanje u tijeku

Imajte na umu da model whisper-1 ne podržava prijenos u stvarnom vremenu.

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.