ಧ್ವನಿ API ಮಾತನ್ನು ಪಠ್ಯಕ್ಕೆ ಪರಿವರ್ತಿಸಲು ಎರಡು ಅಂತ್ಯಬಿಂದುಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ:
transcriptionstranslations
ಧ್ವನಿ API ಬಳಸಲು ಪ್ರಾರಂಭಿಸುವ ಮೊದಲು, ನಮ್ಮ ಮಾತನ್ನು ಪಠ್ಯಕ್ಕೆ ಪರಿವರ್ತಿಸುವ ಕುರಿತ ಡೆವಲಪರ್ ದಸ್ತಾವೇಜನ್ನು ಓದಿ.
ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು
ಧ್ವನಿ API ಬಳಸಲು ಎಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ?
ವಿವರಗಳಿಗಾಗಿ ನಮ್ಮ ದರಗಳ ಪುಟವನ್ನು ನೋಡಿ.
ಯಾವ ಭಾಷೆಗಳಿಗೆ ಬೆಂಬಲವಿದೆ?
ದೊಡ್ಡ ಧ್ವನಿ ಕಡತಗಳನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಬಹುದು?
ಹಳೆಯ/whisper-1 ಧ್ವನಿ API ಗೆ ಲಿಪ್ಯಂತರಕ್ಕಾಗಿ ಕಡತಗಳನ್ನು ಕಳುಹಿಸುವಾಗ, ವಿನಂತಿಯ ಗರಿಷ್ಠ ಗಾತ್ರ 25 MiB ಆಗಿರಬೇಕು. ಹೊಸ gpt-4o ಲಿಪ್ಯಂತರ ಮಾರ್ಗಗಳು ಅವಧಿ ಅಥವಾ ಟೋಕನ್ ಮಿತಿಗಳಂತಹ ವಿಭಿನ್ನ ಪರಿಶೀಲನಾ ಮಾನದಂಡಗಳನ್ನು ಬಳಸಬಹುದು. ಆದ್ದರಿಂದ ಬಳಕೆದಾರರಿಂದ ಬಂದ ದೀರ್ಘ ಧ್ವನಿ ಇನ್ಪುಟ್ಗಳನ್ನು ನಿರ್ವಹಿಸುವಾಗ, ಆಯಾ ಮಾಡೆಲ್ನ ದಸ್ತಾವೇಜನ್ನು ಪರಿಶೀಲಿಸಿ.
ನಿರಂತರ ಪ್ರಸರಣಕ್ಕೆ ಯಾವ ವಿಧಾನಗಳು ಲಭ್ಯವಿವೆ?
ನಿಮ್ಮ ಬಳಕೆಯ ಅಗತ್ಯಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಲಿಪ್ಯಂತರವನ್ನು ನಿರಂತರವಾಗಿ ಪ್ರಸಾರ ಮಾಡಲು ಎರಡು ವಿಧಾನಗಳಿವೆ. ಈಗಾಗಲೇ ಪೂರ್ಣಗೊಂಡ ಧ್ವನಿ ಮುದ್ರಣವನ್ನು ಲಿಪ್ಯಂತರ ಮಾಡುತ್ತಿದ್ದೀರಾ ಅಥವಾ ನಡೆಯುತ್ತಿರುವ ಧ್ವನಿ ಪ್ರಸರಣವನ್ನು ನಿರ್ವಹಿಸಿ, ಮಾತಿನ ಸರದಿ ಬದಲಾಗುವುದನ್ನು ಪತ್ತೆಹಚ್ಚಲು OpenAI ಬಳಸುತ್ತಿದ್ದೀರಾ ಎಂಬುದರ ಮೇಲೆ ವಿಧಾನದ ಆಯ್ಕೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ:
ಪೂರ್ಣಗೊಂಡ ಧ್ವನಿ ಮುದ್ರಣದ ಲಿಪ್ಯಂತರವನ್ನು ನಿರಂತರವಾಗಿ ಪ್ರಸಾರ ಮಾಡುವುದು
ನಡೆಯುತ್ತಿರುವ ಧ್ವನಿ ಮುದ್ರಣದ ಲಿಪ್ಯಂತರವನ್ನು ನಿರಂತರವಾಗಿ ಪ್ರಸಾರ ಮಾಡುವುದು
whisper-1 ಮಾಡೆಲ್ ನಿರಂತರ ಪ್ರಸರಣವನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.
ಯಾವ ಕಡತ ಸ್ವರೂಪಗಳಿಗೆ ಬೆಂಬಲವಿದೆ?
ಬೆಂಬಲಿತ ಕಡತ ಸ್ವರೂಪಗಳನ್ನು ನಮ್ಮ API ದಸ್ತಾವೇಜುಗಳಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಲಾಗಿದೆ.
ಧ್ವನಿ ಕಡತಗಳ ಕೊಂಡಿಗಳನ್ನು ಧ್ವನಿ API ಗೆ ಕಳುಹಿಸಬಹುದೇ?
ಇಲ್ಲ, ಬೆಂಬಲಿತ ಧ್ವನಿ ಸ್ವರೂಪಗಳಲ್ಲಿ ಯಾವುದಾದರೂ ಒಂದರಲ್ಲಿರುವ ಕಡತವನ್ನೇ ಕಳುಹಿಸಬೇಕು.
