Garso API palaiko du kalbos konvertavimo į tekstą galinius taškus:

• transcriptions

• translations

Norėdami pradėti naudotis garso API, perskaitykite mūsų kalbos konvertavimo į tekstą dokumentaciją kūrėjams.

DUK

Kiek kainuoja naudotis garso API?

Daugiau informacijos rasite mūsų kainodaros puslapyje.

Kokios kalbos palaikomos?

Peržiūrėkite palaikomų kalbų sąrašą čia.

Kaip apdoroti didelius garso failus?

Įkeliant failus transkribuoti per senąją garso API su modeliu „whisper-1“, didžiausias užklausos dydis yra 25 MiB. Naujesniems „gpt-4o“ transkribavimo galiniams taškams gali būti taikomos kitokios patikros, pavyzdžiui, trukmės ar žetonų skaičiaus ribos, todėl apdorodami ilgus naudotojų garso įrašus peržiūrėkite konkretaus modelio dokumentaciją.

Kokie srautinio perdavimo būdai galimi?

Transkripciją galite gauti srautu dviem būdais. Pasirinkimas priklauso nuo jūsų poreikių ir nuo to, ar norite transkribuoti jau užbaigtą garso įrašą, ar apdoroti nenutrūkstamą garso srautą ir naudoti „OpenAI“ kalbėjimo pradžiai bei pabaigai aptikti:

• Užbaigto garso įrašo transkripcijos perdavimas srautu

• Tebevykstančio garso įrašymo transkripcijos perdavimas srautu

Atkreipkite dėmesį, kad modelis whisper-1 nepalaiko srautinio perdavimo.

Kokie failų formatai palaikomi?

Palaikomi failų formatai nurodyti mūsų API dokumentacijoje.

Ar galiu į garso API siųsti nuorodas į garso failus?

Ne, turite siųsti vieno iš palaikomų garso formatų failą.