Audio API mendukung dua endpoint ucapan ke teks:
transcriptionstranslations
Untuk mulai menggunakan Audio API, baca dokumentasi pengembang tentang ucapan ke teks kami.
Pertanyaan umum
Berapa biaya penggunaan Audio API?
Lihat halaman harga kami untuk detailnya.
Bahasa apa saja yang didukung?
Lihat daftar bahasa yang didukung di sini.
Bagaimana cara menangani file audio berukuran besar?
Untuk unggahan transkripsi Audio API versi lama/whisper-1, ukuran permintaan maksimum adalah 25 MiB. Rute transkripsi gpt-4o yang lebih baru mungkin menggunakan validasi berbeda, seperti batas durasi atau token. Jadi, periksa dokumentasi khusus model saat menangani input audio berdurasi panjang dari pengguna.
Metode streaming apa saja yang tersedia?
Ada dua cara untuk melakukan streaming transkripsi, bergantung pada apakah Anda mentranskripsikan rekaman audio yang sudah selesai atau aliran audio yang masih berlangsung:
Untuk mentranskripsikan audio yang masih berlangsung dengan gpt-live-transcribe, aplikasi Anda harus mendeteksi kapan pembicara selesai berbicara dan mengirim input_audio_buffer.commit untuk menandai akhir setiap giliran bicara dan menerima transkrip akhir. Model ini tidak mendukung server_vad atau semantic_vad.
Perlu diperhatikan bahwa model whisper-1 tidak mendukung streaming.
Format file apa saja yang didukung?
Format file yang didukung tercantum dalam dokumentasi API kami.
Bisakah saya mengirim tautan file audio ke Audio API?
Tidak, Anda harus mengirim file dalam salah satu format audio yang didukung.