பேச்சை உரையாக மாற்றுவதற்கான இரண்டு முனையங்களை ஒலி ஏபிஐ ஆதரிக்கிறது:

• transcriptions

• translations

ஒலி ஏபிஐயைப் பயன்படுத்தத் தொடங்க, பேச்சை உரையாக மாற்றுவது குறித்த எங்கள் உருவாக்குநர் ஆவணங்களைப் படிக்கவும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

ஒலி ஏபிஐயைப் பயன்படுத்த எவ்வளவு செலவாகும்?

விவரங்களுக்கு எங்கள் கட்டணப் பக்கத்தைப் பார்க்கவும்.

எந்த மொழிகள் ஆதரிக்கப்படுகின்றன?

ஆதரிக்கப்படும் மொழிகளின் பட்டியலை இங்கே பார்க்கவும்.

பெரிய ஒலிக் கோப்புகளை எப்படிக் கையாளலாம்?

பழைய ஒலி ஏபிஐ அல்லது whisper-1 மூலம் உரையாக்கம் செய்யப் பதிவேற்றும்போது, கோரிக்கையின் அதிகபட்ச அளவு 25 MiB ஆகும். புதிய gpt-4o உரையாக்க வழிகள், கால அளவு அல்லது டோக்கன் வரம்புகள் போன்ற வெவ்வேறு சரிபார்ப்பு முறைகளைப் பயன்படுத்தக்கூடும். எனவே, பயனர்களிடமிருந்து வரும் நீண்ட ஒலி உள்ளீடுகளைக் கையாளும்போது, அந்த மாடலுக்கான ஆவணங்களைப் பார்க்கவும்.

எந்தெந்த தரவோட்ட முறைகள் கிடைக்கின்றன.

ஏற்கெனவே பதிவுசெய்த ஒலியை அல்லது தொடர்ந்து வரும் ஒலியை எழுத்தாக மாற்றுகிறீர்களா என்பதைப் பொறுத்து, உரைமாற்றத்தைத் தரவோட்டமாகப் பெற இரண்டு வழிகள் உள்ளன:

• முடிவடைந்த ஒலிப்பதிவின் உரைமாற்றத்தைத் தரவோட்டமாகப் பெறுதல்

• நடந்துகொண்டிருக்கும் ஒலிப்பதிவின் உரைமாற்றத்தைத் தரவோட்டமாகப் பெறுதல்

gpt-live-transcribe மூலம் தொடர்ந்து ஒலியை எழுத்தாக மாற்றும்போது, பேச்சு எப்போது முடிகிறது என்பதை உங்கள் செயலி கண்டறிய வேண்டும். ஒவ்வொரு பேச்சுச் சுற்றும் முடிந்ததைக் குறிக்கவும் இறுதி உரைமாற்றத்தைப் பெறவும் input_audio_buffer.commit என்பதை அனுப்ப வேண்டும். இந்த மாடல் server_vad அல்லது semantic_vad ஆகியவற்றை ஆதரிக்காது.

whisper-1 மாடலில் தரவோட்ட வசதி இல்லை என்பதைக் கவனத்தில் கொள்ளவும்.

எந்தக் கோப்பு வடிவங்கள் ஆதரிக்கப்படுகின்றன?

ஆதரிக்கப்படும் கோப்பு வடிவங்கள் எங்கள் ஏபிஐ ஆவணங்களில் பட்டியலிடப்பட்டுள்ளன.

ஒலிக் கோப்புகளுக்கான இணைப்புகளை ஒலி ஏபிஐக்கு அனுப்ப முடியுமா?

இல்லை, ஆதரிக்கப்படும் ஒலி வடிவங்களில் ஒன்றில் கோப்பை அனுப்ப வேண்டும்.