API-ul audio oferă două endpointuri pentru conversia vorbirii în text:

• transcriptions

• translations

Pentru a începe să folosești API-ul audio, citește documentația pentru dezvoltatori despre conversia vorbirii în text.

Întrebări frecvente

Cât costă utilizarea API-ului audio?

Consultă pagina de prețuri pentru detalii.

Ce limbi sunt acceptate?

Consultă aici lista limbilor acceptate.

Cum putem gestiona fișierele audio mari?

Pentru fișierele încărcate spre transcriere prin API-ul audio folosind versiunea veche/whisper-1, dimensiunea maximă a cererii este de 25 MiB. Rutele de transcriere gpt-4o mai noi pot folosi alte criterii de validare, precum limite de durată sau de tokenuri. Așadar, consultă documentația modelului când procesezi înregistrări audio lungi de la utilizatori.

Ce metode de streaming sunt disponibile?

Există două modalități de a transmite transcrierea prin streaming, în funcție de ceea ce transcrii: o înregistrare audio finalizată sau un flux audio în curs:

• Transmiterea prin streaming a transcrierii unei înregistrări audio finalizate

• Transmiterea prin streaming a transcrierii unei înregistrări audio în curs

Pentru transcrierea în timp real cu gpt-live-transcribe, aplicația ta trebuie să detecteze când se încheie vorbirea și să trimită input_audio_buffer.commit pentru a semnala sfârșitul fiecărei intervenții și a primi transcrierea finală. Acest model nu acceptă server_vad sau semantic_vad.

Reține că modelul whisper-1 nu acceptă streamingul.

Ce formate de fișiere sunt acceptate?

Formatele de fișiere acceptate sunt enumerate în documentația API-ului.

Pot trimite linkuri către fișiere audio la API-ul audio?

Nu, trebuie să trimiți un fișier într-unul dintre formatele audio acceptate.