Az Audio API két végpontot támogat a beszéd szöveggé alakításához:

• transcriptions

• translations

Az Audio API használatának megkezdéséhez olvasd el a beszéd szöveggé alakításáról szóló fejlesztői dokumentációnkat.

Gyakori kérdések

Mennyibe kerül az Audio API használata?

A részleteket a díjszabási oldalunkon találod.

Milyen nyelvek támogatottak?

A támogatott nyelvek listáját itt találod.

Hogyan kezelhetjük a nagy hangfájlokat?

Az Audio API régebbi, whisper-1 alapú átírási feltöltéseinél a kérés maximális mérete 25 MiB. Az újabb gpt-4o átírási végpontok eltérő ellenőrzéseket, például időtartam- vagy tokenkorlátokat alkalmazhatnak, ezért a felhasználók hosszú hanganyagainak kezelésekor nézd meg az adott modell dokumentációját.

Milyen streamelési módok érhetők el?

Kétféleképpen streamelheted az átiratot. A választás a felhasználási esettől függ: egy már elkészült hangfelvételt szeretnél átírni, vagy folyamatos hangfolyamot kezelsz, és az OpenAI segítségével észleled a beszédfordulókat:

• Elkészült hangfelvétel átiratának streamelése

• Folyamatban lévő hangfelvétel átiratának streamelése

Fontos, hogy a whisper-1 modell nem támogatja a streamelést.

Milyen fájlformátumok támogatottak?

A támogatott fájlformátumokat az API-dokumentációnkban találod.

Küldhetek hangfájlokra mutató hivatkozásokat az Audio API-nak?

Nem, egy fájlt kell küldened a támogatott hangformátumok egyikében.