API-ja e audios mbështet dy pika fundore për kthimin e të folurit në tekst:

• transcriptions

• translations

Për të filluar me API-në e audios, lexoni dokumentacionin tonë për zhvilluesit mbi kthimin e të folurit në tekst.

Pyetje të shpeshta

Sa kushton përdorimi i API-së së audios?

Për hollësi, shihni faqen tonë të çmimeve.

Cilat gjuhë mbështeten?

Shihni këtu listën e gjuhëve të mbështetura.

Si mund t'i trajtojmë skedarët e mëdhenj audio?

Për ngarkimet për transkriptim në versionin e vjetër të API-së së audios me whisper-1, madhësia maksimale e kërkesës është 25 MiB. Rrugët më të reja të transkriptimit me gpt-4o mund të përdorin kritere të tjera validimi, si kufij për kohëzgjatjen ose numrin e tokenëve. Prandaj, kur trajtoni audio të gjata nga përdoruesit, kontrolloni dokumentacionin për modelin përkatës.

Cilat metoda transmetimi janë të disponueshme?

Ka dy mënyra për ta transmetuar transkriptimin në rrjedhë, në varësi të faktit nëse po transkriptoni një regjistrim audio të përfunduar apo një rrjedhë audio që vazhdon:

• Transmetimi në rrjedhë i transkriptimit të një regjistrimi audio të përfunduar

• Transmetimi në rrjedhë i transkriptimit të një regjistrimi audio në vazhdim

Për transkriptim të vazhdueshëm me gpt-live-transcribe, aplikacioni juaj duhet të zbulojë kur përfundon e folura dhe të dërgojë input_audio_buffer.commit për të sinjalizuar fundin e çdo radhe të të folurit dhe për të marrë transkriptin përfundimtar. Ky model nuk mbështet server_vad ose semantic_vad.

Kini parasysh se modeli whisper-1 nuk e mbështet transmetimin në rrjedhë.

Cilat formate skedarësh mbështeten?

Formatet e mbështetura të skedarëve renditen në dokumentacionin tonë të API-së.

A mund të dërgoj lidhje drejt skedarëve audio te API-ja e audios?

Jo, duhet të dërgoni një skedar në një nga formatet e mbështetura audio.