Az Audio API két beszédből szöveggé alakító végpontot támogat:
transcriptionstranslations
Az Audio API használatának megkezdéséhez olvasd el a beszédből szöveggé alakítás fejlesztői dokumentációját.
Mennyibe kerül az Audio API használata?
A részletekért lásd az árképzési oldalunkat.
Mely nyelvek támogatottak?
A támogatott nyelvek listája itt tekinthető meg.
Hogyan kezelhetők a nagy hangfájlok?
A legacy/whisper-1 Audio API átírási feltöltéseknél a kérések maximális mérete 25 MiB. Az újabb gpt-4o átírási útvonalak eltérő ellenőrzést használhatnak, például időtartam- vagy tokenkorlátokat, ezért a felhasználóktól származó hosszú hangbemenetek kezelésekor nézd meg az adott modell dokumentációját.
Milyen streamelési módszerek érhetők el?
Kétféleképpen streamelheted az átírást, a használati esettől és attól függően, hogy egy már elkészült hangfelvételt szeretnél átírni, vagy egy folyamatban lévő hangstreamet kezelnél, és az OpenAI-t használnád a fordulók észlelésére:
Vedd figyelembe, hogy a streamelés nem támogatott a whisper-1 modellel.
Milyen fájlformátumok támogatottak?
A támogatott fájlformátumok szerepelnek az API-dokumentációnkban.
Küldhetek hangfájlokra mutató linkeket az Audio API-nak?
Nem, a fájlt a támogatott hangformátumok egyikében kell elküldened.