Audio API ndhukung rong endpoint kanggo ngowahi wicara dadi teks:

• transcriptions

• translations

Kanggo miwiti nggunakake Audio API, wacanen dokumentasi pangembang babagan ngowahi wicara dadi teks saka kita.

Pitakonan sing kerep ditakokake

Pira biaya kanggo nggunakake Audio API?

Delengen kaca rega kita kanggo rinciane.

Basa apa wae sing didhukung?

Delengen dhaptar basa sing didhukung ing kene.

Kepiye carane nangani file audio sing gedhe?

Kanggo unggahan transkripsi Audio API versi lawas/whisper-1, ukuran panjaluk paling gedhe yaiku 25 MiB. Rute transkripsi gpt-4o sing luwih anyar bisa nggunakake validasi sing beda, kayata wates durasi utawa token. Mula, priksa dokumentasi khusus model kasebut nalika nangani input audio sing dawa saka pangguna.

Cara streaming apa wae sing kasedhiya?

Ana rong cara kanggo streaming transkripsi, gumantung kabutuhan sampeyan: apa sampeyan arep nggawe transkripsi rekaman audio sing wis rampung, utawa nangani aliran audio sing isih lumaku lan nggunakake OpenAI kanggo ndeteksi giliran wicara:

• Streaming transkripsi rekaman audio sing wis rampung

• Streaming transkripsi rekaman audio sing isih lumaku

Elinga yen model whisper-1 ora ndhukung streaming.

Format file apa wae sing didhukung?

Format file sing didhukung kacathet ing dokumentasi API kita.

Apa aku bisa ngirim pranala menyang file audio menyang Audio API?

Ora, sampeyan kudu ngirim file nganggo salah siji format audio sing didhukung.