A API de áudio disponibiliza dois endpoints de conversão de voz em texto:
transcriptionstranslations
Para começar a utilizar a API de áudio, leia a nossa documentação para programadores sobre conversão de voz em texto.
Perguntas frequentes
Quanto custa utilizar a API de áudio?
Consulte a nossa página de preços para obter mais informações.
Que idiomas são suportados?
Consulte aqui a lista de idiomas suportados.
Como podemos processar ficheiros de áudio grandes?
Nos carregamentos para transcrição através da API de áudio com versões anteriores ou com o whisper-1, o tamanho máximo do pedido é de 25 MiB. As rotas de transcrição mais recentes do gpt-4o podem aplicar critérios de validação diferentes, como limites de duração ou de tokens. Por isso, consulte a documentação específica do modelo ao processar gravações de áudio longas enviadas por utilizadores.
Que métodos de streaming estão disponíveis?
Existem duas formas de receber a transcrição em streaming, consoante esteja a transcrever uma gravação de áudio concluída ou um fluxo de áudio em curso:
Para transcrever áudio em curso com o gpt-live-transcribe, a sua aplicação tem de detetar quando a fala termina e enviar input_audio_buffer.commit para sinalizar o fim de cada intervenção e receber a transcrição final. Este modelo não suporta server_vad nem semantic_vad.
Tenha em atenção que o modelo whisper-1 não suporta streaming.
Que formatos de ficheiro são suportados?
Os formatos de ficheiro suportados estão indicados na nossa documentação da API.
Posso enviar ligações para ficheiros de áudio à API de áudio?
Não, tem de enviar um ficheiro num dos formatos de áudio suportados.