A API de áudio oferece dois endpoints de conversão de fala em texto:

• transcriptions

• translations

Para começar a usar a API de áudio, leia nossa documentação para desenvolvedores sobre conversão de fala em texto.

Perguntas frequentes

Quanto custa usar a API de áudio?

Consulte nossa página de preços para saber mais.

Quais idiomas são compatíveis?

Veja a lista de idiomas compatíveis aqui.

Como lidar com arquivos de áudio grandes?

Para uploads de transcrição na API de áudio legada/com whisper-1, o tamanho máximo da requisição é de 25 MiB. As rotas mais recentes de transcrição com gpt-4o podem usar critérios de validação diferentes, como limites de duração ou de tokens. Por isso, consulte a documentação específica do modelo ao lidar com áudios longos enviados por usuários.

Quais métodos de streaming estão disponíveis?

Há duas maneiras de receber a transcrição por streaming, dependendo do seu caso de uso: transcrever uma gravação de áudio já concluída ou processar um fluxo contínuo de áudio usando a OpenAI para detectar turnos de fala:

• Streaming da transcrição de uma gravação de áudio concluída

• Streaming da transcrição de uma gravação de áudio em andamento

Observe que o modelo whisper-1 não oferece suporte a streaming.

Quais formatos de arquivo são compatíveis?

Os formatos de arquivo compatíveis estão listados na documentação da nossa API.

Posso enviar links de arquivos de áudio para a API de áudio?

Não, você precisa enviar um arquivo em um dos formatos de áudio compatíveis.