Audio API підтримує дві кінцеві точки для перетворення мовлення на текст:

• transcriptions

• translations

Щоб почати роботу з Audio API, ознайомтеся з нашою документацією для розробників щодо перетворення мовлення на текст.

Поширені запитання

Скільки коштує використання Audio API?

Докладніше дивіться на нашій сторінці з цінами.

Які мови підтримуються?

Перегляньте список підтримуваних мов тут.

Як працювати з великими аудіофайлами?

Для завантаження файлів на транскрибування через застарілий Audio API з whisper-1 максимальний розмір запиту становить 25 МіБ. Новіші маршрути транскрибування gpt-4o можуть застосовувати інші перевірки, як-от обмеження тривалості або кількості токенів. Тому, обробляючи довгі аудіозаписи від користувачів, звертайтеся до документації відповідної моделі.

Які способи потокової передачі доступні?

Є два способи потокової передачі транскрипції залежно від того, що ви транскрибуєте: завершений аудіозапис чи поточний аудіопотік:

• Потокова передача транскрипції завершеного аудіозапису

• Потокова передача транскрипції аудіозапису, що триває

Для транскрибування в реальному часі за допомогою gpt-live-transcribe ваш застосунок має визначати, коли мовлення припиняється, і надсилати input_audio_buffer.commit, щоб позначити кінець кожної репліки й отримати остаточну транскрипцію. Ця модель не підтримує server_vad або semantic_vad.

Зверніть увагу: модель whisper-1 не підтримує потокову передачу.

Які формати файлів підтримуються?

Перелік підтримуваних форматів файлів наведено у нашій документації API.

Чи можна надсилати посилання на аудіофайли до Audio API?

Ні, потрібно надіслати файл в одному з підтримуваних аудіоформатів.