Audio API obsługuje dwa punkty końcowe zamiany mowy na tekst:

• transcriptions

• translations

Aby zacząć korzystać z Audio API, zapoznaj się z naszą dokumentacją zamiany mowy na tekst dla programistów.

Często zadawane pytania

Ile kosztuje korzystanie z Audio API?

Szczegóły znajdziesz na stronie z cennikiem.

Jakie języki są obsługiwane?

Zobacz listę obsługiwanych języków.

Jak obsługiwać duże pliki audio?

W przypadku przesyłania plików do transkrypcji przez starszą wersję Audio API (whisper-1) maksymalny rozmiar żądania wynosi 25 MiB. Nowsze ścieżki transkrypcji gpt-4o mogą stosować inne zasady walidacji, takie jak limity czasu trwania lub liczby tokenów. Dlatego przy obsłudze długich nagrań audio od użytkowników sprawdź dokumentację danego modelu.

Jakie metody strumieniowania są dostępne?

Transkrypcję można strumieniować na dwa sposoby. Wybór zależy od zastosowania: czy chcesz transkrybować gotowe nagranie audio, czy przetwarzać strumień audio na bieżąco i korzystać z OpenAI do wykrywania tur wypowiedzi:

• Strumieniowanie transkrypcji gotowego nagrania audio

• Strumieniowanie transkrypcji trwającego nagrania audio

Pamiętaj, że model whisper-1 nie obsługuje strumieniowania.

Jakie formaty plików są obsługiwane?

Listę obsługiwanych formatów plików znajdziesz w naszej dokumentacji API.

Czy mogę przesyłać do Audio API linki do plików audio?

Nie, musisz przesłać plik w jednym z obsługiwanych formatów audio.