Audio API obsługuje dwa punkty końcowe zamiany mowy na tekst:
transcriptionstranslations
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 przesyłania strumieniowego są dostępne?
Transkrypcję można przesyłać strumieniowo na dwa sposoby, w zależności od tego, czy dotyczy ona gotowego nagrania audio, czy bieżącego strumienia audio:
Strumieniowe przesyłanie transkrypcji gotowego nagrania audio
Strumieniowe przesyłanie transkrypcji nagrania audio w trakcie jego rejestrowania
Podczas transkrypcji na bieżąco przy użyciu gpt-live-transcribe aplikacja musi wykrywać koniec wypowiedzi i wysyłać input_audio_buffer.commit, aby zasygnalizować koniec każdej tury i otrzymać ostateczną transkrypcję. Ten model nie obsługuje server_vad ani semantic_vad.
Pamiętaj, że model whisper-1 nie obsługuje przesyłania strumieniowego.
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.