Audio API は、音声をテキストに変換する次の 2 つのエンドポイントに対応しています。

• transcriptions

• translations

Audio API の利用を始めるには、音声テキスト変換の開発者向けドキュメントをお読みください。

よくある質問

Audio API の利用料金

詳しくは料金ページをご覧ください。

対応言語

対応言語の一覧はこちらをご覧ください。

大容量の音声ファイルの扱い方

従来の Audio API（whisper-1）で文字起こし用のファイルをアップロードする場合、リクエストサイズの上限は 25 MiB です。新しい gpt-4o の文字起こしルートでは、音声の長さやトークン数の上限など、異なる検証基準が適用される場合があります。ユーザーからの長時間の音声入力を扱う際は、モデルごとのドキュメントをご確認ください。

利用可能なストリーミング方式

文字起こしをストリーミングする方法は 2 つあります。録音済みの音声を文字起こしする場合と、継続中の音声ストリームを処理して OpenAI で発話ターンを検出する場合など、用途に応じて選択できます。

• 録音済み音声の文字起こしのストリーミング

• 録音中の音声の文字起こしのストリーミング

なお、whisper-1 モデルはストリーミングに対応していません。

対応ファイル形式

対応するファイル形式は、API ドキュメントに記載されています。

Audio API への音声ファイルリンクの送信可否

リンクの送信には対応していません。対応する音声形式のファイルを送信する必要があります。