സംസാരം എഴുത്താക്കി മാറ്റാൻ ഓഡിയോ എപിഐ രണ്ട് എൻഡ്‌പോയിന്റുകൾ പിന്തുണയ്ക്കുന്നു:

• transcriptions

• translations

ഓഡിയോ എപിഐ ഉപയോഗിച്ചു തുടങ്ങാൻ, സംസാരം എഴുത്താക്കി മാറ്റുന്നതിനെക്കുറിച്ചുള്ള ഞങ്ങളുടെ ഡെവലപ്പർ മാർഗരേഖ വായിക്കുക.

പതിവുചോദ്യങ്ങൾ

ഓഡിയോ എപിഐ ഉപയോഗിക്കാൻ എത്ര ചെലവാകും.

വിശദാംശങ്ങൾക്ക് ഞങ്ങളുടെ നിരക്കുകൾ നൽകിയിരിക്കുന്ന പേജ് കാണുക.

ഏതൊക്കെ ഭാഷകളാണ് പിന്തുണയ്ക്കുന്നത്.

പിന്തുണയ്ക്കുന്ന ഭാഷകളുടെ പട്ടിക ഇവിടെ കാണുക.

വലിയ ഓഡിയോ ഫയലുകൾ എങ്ങനെ കൈകാര്യം ചെയ്യാം.

പഴയ ഓഡിയോ എപിഐ/whisper-1 ഉപയോഗിച്ച് ഓഡിയോ എഴുത്താക്കാനായി അപ്‌ലോഡ് ചെയ്യുമ്പോൾ, അഭ്യർത്ഥനയുടെ പരമാവധി വലുപ്പം 25 MiB ആണ്. ഓഡിയോ എഴുത്താക്കാനുള്ള പുതിയ gpt-4o റൂട്ടുകളിൽ ദൈർഘ്യമോ ടോക്കൺ പരിധിയോ പോലുള്ള വ്യത്യസ്ത സാധുതാപരിശോധനകൾ ഉപയോഗിച്ചേക്കാം. അതിനാൽ ഉപയോക്താക്കളിൽ നിന്നുള്ള ദൈർഘ്യമേറിയ ഓഡിയോ കൈകാര്യം ചെയ്യുമ്പോൾ അതത് മോഡലിന്റെ മാർഗരേഖ പരിശോധിക്കുക.

ഏതൊക്കെ സ്ട്രീമിങ് രീതികൾ ലഭ്യമാണ്.

ഓഡിയോ എഴുത്താക്കി സ്ട്രീം ചെയ്യാൻ രണ്ട് വഴികളുണ്ട്. നിങ്ങളുടെ ഉപയോഗസാഹചര്യത്തിന് അനുസരിച്ച് അനുയോജ്യമായ വഴി തിരഞ്ഞെടുക്കാം: പൂർത്തിയായ ഓഡിയോ റെക്കോർഡിങ് എഴുത്താക്കുകയാണോ, അതോ തുടർച്ചയായി വരുന്ന ഓഡിയോ കൈകാര്യം ചെയ്ത് ഓരോ സംസാര ഊഴവും തിരിച്ചറിയാൻ OpenAI ഉപയോഗിക്കുകയാണോ എന്നതിനെ ആശ്രയിച്ചാണ് ഇത്:

• പൂർത്തിയായ ഓഡിയോ റെക്കോർഡിങ് എഴുത്താക്കി സ്ട്രീം ചെയ്യൽ

• നടന്നുകൊണ്ടിരിക്കുന്ന ഓഡിയോ റെക്കോർഡിങ് എഴുത്താക്കി സ്ട്രീം ചെയ്യൽ

whisper-1 മോഡൽ സ്ട്രീമിങ് പിന്തുണയ്ക്കുന്നില്ല എന്നത് ശ്രദ്ധിക്കുക.

ഏതൊക്കെ ഫയൽ രൂപങ്ങളാണ് പിന്തുണയ്ക്കുന്നത്.

പിന്തുണയ്ക്കുന്ന ഫയൽ രൂപങ്ങൾ ഞങ്ങളുടെ എപിഐ മാർഗരേഖയിൽ നൽകിയിട്ടുണ്ട്.

ഓഡിയോ ഫയലുകളിലേക്കുള്ള ലിങ്കുകൾ ഓഡിയോ എപിഐയിലേക്ക് അയയ്ക്കാമോ.

ഇല്ല, പിന്തുണയ്ക്കുന്ന ഓഡിയോ രൂപങ്ങളിലൊന്നിലുള്ള ഫയൽ തന്നെ അയയ്ക്കണം.