Az Audio API két beszédből szöveggé végpontot támogat:
transcriptionstranslations
Az Audio API használatának megkezdéséhez olvassa el a beszédből szöveggé fejlesztői dokumentációt.
Mennyibe kerül az Audio API használata?
A részletekért tekintse meg az árképzési oldalunkat.
Milyen nyelvek támogatottak?
A támogatott nyelvek listáját itt találja.
Hogyan kezelhetők a nagy méretű hangfájlok?
A legacy/whisper-1 Audio API átírási feltöltéseknél a kérés maximális mérete 25 MiB. Az újabb gpt-4o átírási útvonalak eltérő ellenőrzést használhatnak, például időtartam- vagy tokenkorlátokat, ezért hosszú, felhasználóktól származó hangbemenetek kezelésekor ellenőrizze a modellspecifikus dokumentációt.
Milyen streamelési módszerek érhetők el?
A használati esettől függően, valamint attól, hogy egy már elkészült hangfelvételt szeretne átírni, vagy egy folyamatban lévő hangfolyamot kezelne, és az OpenAI-t beszédszakasz-észlelésre használná, kétféleképpen streamelheti az átírást:
Vegye figyelembe, hogy a streamelés nem támogatott a whisper-1 modellnél.
Milyen fájlformátumok támogatottak?
A támogatott fájlformátumok az API-dokumentációnkban szerepelnek.
Küldhetek az Audio API-nak hangfájlokra mutató hivatkozásokat?
Nem, a támogatott hangformátumok egyikében kell fájlt küldenie.