Especificaciones técnicas de whisper-1
| Especificación | Detalles |
|---|---|
| ID del modelo | whisper-1 |
| Tipo de modelo | Voz a texto y traducción del habla |
| Casos de uso principales | Transcripción de audio, reconocimiento de voz multilingüe, traducción del habla al inglés |
| Modalidad de entrada | Audio |
| Modalidad de salida | Texto |
| Endpoints admitidos | /v1/audio/transcriptions, /v1/audio/translations |
| Compatibilidad con streaming | No admitido para whisper-1 |
| Compatibilidad con prompts | Sí, con control de prompt limitado para el formato, la puntuación y el estilo |
| Capacidades de idioma | Reconocimiento de voz multilingüe e identificación de idioma |
| Formato de integración típico | Carga de archivos mediante datos de formulario multiparte |
| Formatos de audio comunes | m4a, mp3, mp4, mpeg, mpga, wav, webm |
| Ideal para | Convertir contenido hablado en texto legible o traducciones al inglés |
¿Qué es whisper-1?
whisper-1 es un modelo de reconocimiento de voz disponible a través de CometAPI para convertir audio en texto y crear traducciones del audio hablado al inglés. Está diseñado para desarrolladores que necesitan transcripciones fiables de voz grabada, entrevistas, reuniones, notas de voz, subtítulos y flujos de trabajo de audio multilingües.
El modelo es adecuado para aplicaciones que requieren reconocimiento automático del habla en varios idiomas. Puede transcribir audio en el idioma original o traducir el contenido hablado al inglés, lo que lo hace útil para productos globales, canalizaciones de procesamiento de medios, herramientas de soporte y soluciones de accesibilidad.
Dado que whisper-1 trabaja con archivos de audio cargados y devuelve salida de texto, encaja de forma natural en la automatización de backend, la indexación de contenido, la generación de subtítulos, el enriquecimiento de búsqueda y las canalizaciones de análisis.
Funciones principales de whisper-1
- Transcripción de voz a texto: Convierte audio hablado en texto escrito para documentos, subtítulos, archivos y flujos de trabajo de aplicaciones.
- Traducción del habla: Crea traducciones al inglés en texto a partir de audio hablado en otros idiomas, lo que simplifica el procesamiento de contenido multilingüe.
- Reconocimiento multilingüe: Admite reconocimiento en muchos idiomas, lo que lo hace práctico para implementaciones internacionales y entre regiones.
- Formateo asistido por prompts: Acepta prompts que pueden ayudar a guiar la puntuación, las mayúsculas, la terminología y el estilo de la transcripción.
- Flujo de trabajo de API basado en archivos: Funciona bien con archivos de audio cargados, lo que facilita la integración en trabajos por lotes, sistemas de medios y servicios de backend.
- Compatibilidad con identificación de idioma: Puede utilizarse en flujos de trabajo donde es importante detectar o manejar varios idiomas hablados.
- Gran encaje para operaciones de contenido: Útil para la generación de subtítulos, creación de transcripciones buscables, registro de llamadas de clientes, procesamiento de entrevistas y conversión de notas de voz.
Cómo acceder e integrar whisper-1
Paso 1: Regístrate para obtener una clave de API
Para empezar a usar whisper-1, primero crea una cuenta en CometAPI y genera tu clave de API desde el panel. Tras iniciar sesión, ve a la sección de gestión de API, crea una nueva clave y guárdala de forma segura. Esta clave será necesaria para autenticar cada solicitud que envíes a la API de whisper-1.
Paso 2: Envía solicitudes a la API de whisper-1
Una vez que tengas tu clave de API, puedes enviar solicitudes al endpoint de CometAPI usando el ID de modelo whisper-1. Incluye tu clave de API en el encabezado Authorization y especifica whisper-1 como el modelo de destino. Para flujos de voz, envía un archivo de audio al endpoint de transcripción o traducción correspondiente.
curl --request POST \
--url https://api.cometapi.com/v1/audio/transcriptions \
--header "Authorization: Bearer YOUR_COMETAPI_KEY" \
--header "Content-Type: multipart/form-data" \
--form "model=whisper-1" \
--form "file=@/path/to/audio.mp3"
Para los flujos de traducción, usa el endpoint de traducción con el mismo ID de modelo:
curl --request POST \
--url https://api.cometapi.com/v1/audio/translations \
--header "Authorization: Bearer YOUR_COMETAPI_KEY" \
--header "Content-Type: multipart/form-data" \
--form "model=whisper-1" \
--form "file=@/path/to/audio.mp3"
Paso 3: Recupera y verifica los resultados
Una vez procesada la solicitud, CometAPI devolverá el texto generado para tu trabajo de whisper-1. Revisa la respuesta para confirmar la calidad de la transcripción, el manejo del idioma, la puntuación y la integridad. Si es necesario, perfecciona tu preprocesamiento de audio o tu enfoque de prompts y vuelve a enviar la solicitud para mejorar la consistencia de los resultados en tu caso de uso en producción.