Spesifikasi Teknikal bagi gpt-4o-transcribe
| Perkara | Butiran |
|---|---|
| Model ID | gpt-4o-transcribe |
| Jenis model | Transkripsi audio ke teks |
| Modaliti utama | Input audio, output teks |
| Aliran kerja yang disokong | Transkripsi penstriman masa nyata dan transkripsi kelompok |
| Sokongan bahasa | Pengecaman pertuturan berbilang bahasa |
| Sokongan format audio | Format audio lazim |
| Ciri output | Teks transkripsi dengan tanda baca dan segmentasi ayat |
| Profil latensi | Latensi rendah, sesuai untuk kes penggunaan interaktif |
| Profil pemprosesan | Menyokong audio pendek dan pemprosesan bentuk panjang |
| Gaya integrasi | API yang sesuai untuk aliran kerja interaktif dan sisi pelayan |
| Kes penggunaan tipikal | Sari kata langsung, input pembantu suara, nota mesyuarat, transkripsi media, transkripsi rakaman panggilan |
Apakah gpt-4o-transcribe?
gpt-4o-transcribe ialah model audio ke teks yang direka untuk pengecaman pertuturan berbilang bahasa dengan latensi rendah dan sokongan API berorientasikan produksi. Ia menukar audio pertuturan kepada teks yang boleh dibaca sambil mengekalkan struktur berguna seperti tanda baca dan sempadan ayat, yang membantu aplikasi hiliran memaparkan transkrip yang lebih kemas dan memproses kandungan pertuturan dengan lebih berkesan.
Model ini sangat sesuai untuk senario transkripsi penstriman dan bukan penstriman. Dalam produk interaktif, ia boleh menggerakkan sari kata langsung, antara muka berasaskan suara, dan input pembantu masa nyata. Dalam aliran kerja belakang tabir atau luar talian, ia boleh menyalin rakaman yang dimuat naik seperti mesyuarat, temu bual, panggilan sokongan pelanggan, dan fail media. Sokongannya untuk audio bentuk panjang dan format audio lazim menjadikannya praktikal untuk pelbagai persekitaran penggunaan.
Ciri utama gpt-4o-transcribe
- Transkripsi berbilang bahasa: Mengenal pasti pertuturan dalam pelbagai bahasa, sesuai untuk produk global dan talian paip kandungan berbilang bahasa.
- Pengecaman latensi rendah: Direka untuk respons transkripsi pantas, penting bagi sari kata langsung, antara muka suara, dan aplikasi interaktif.
- Sokongan penstriman masa nyata: Boleh digunakan dalam aliran kerja penstriman di mana audio dihantar secara beransur-ansur dan teks dipulangkan semasa pertuturan diproses.
- Sokongan transkripsi kelompok: Berfungsi baik untuk tugas luar talian atau sisi pelayan yang memproses fail audio lengkap yang dimuat naik.
- Output teks berstruktur: Menghasilkan transkrip dengan tanda baca dan segmentasi ayat untuk kebolehbacaan yang lebih baik dan pemparsan hiliran yang lebih mudah.
- Pemprosesan audio bentuk panjang: Sesuai untuk rakaman yang panjang seperti mesyuarat, kuliah, podcast, dan arkib panggilan.
- Keserasian aplikasi yang luas: Menyokong kes penggunaan termasuk nota mesyuarat, transkripsi media, analisis panggilan pelanggan, dan input pertuturan untuk pembantu.
- Pola integrasi fleksibel: Sesuai untuk pengalaman interaktif di bahagian hadapan dan talian paip automasi belakang tabir melalui akses berasaskan API.
Cara mengakses dan mengintegrasikan gpt-4o-transcribe
Langkah 1: Daftar untuk Kunci API
Untuk bermula, daftar di platform CometAPI dan jana kunci API anda daripada papan pemuka. Selepas mencipta kunci tersebut, simpannya dengan selamat dan gunakan untuk mengesahkan setiap permintaan. Kunci ini memberikan anda akses kepada API gpt-4o-transcribe dan model lain yang tersedia melalui CometAPI.
Langkah 2: Hantar Permintaan ke API gpt-4o-transcribe
Sebaik sahaja kunci API anda sedia, hantar permintaan ke titik akhir CometAPI dan nyatakan gpt-4o-transcribe sebagai model. Sertakan pengepala pengesahan yang diperlukan dan sediakan input audio mengikut aliran kerja anda, seperti menghantar segmen audio secara penstriman untuk transkripsi masa nyata atau fail audio lengkap untuk transkripsi kelompok. Aplikasi anda kemudian boleh menggunakan teks yang dipulangkan untuk sari kata, transkrip, pengindeksan carian, penjanaan nota, atau tugas hiliran lain.
curl --request POST \
--url https://api.cometapi.com/v1/audio/transcriptions \
--header "Authorization: Bearer $COMETAPI_API_KEY" \
--header "Content-Type: multipart/form-data" \
--form "model=gpt-4o-transcribe" \
--form "file=@audio.wav"
Langkah 3: Dapatkan dan Sahkan Keputusan
Selepas menghantar permintaan, dapatkan output transkripsi daripada respons API dan sahkan bahawa hasilnya memenuhi keperluan kualiti serta pemformatan anda. Bergantung pada aplikasi anda, anda mungkin mahu menyemak kelengkapan transkrip, kualiti tanda baca, segmentasi ayat, andaian aliran kerja berkaitan penutur, dan pengendalian bahasa. Setelah disahkan, transkripsi boleh disimpan, dipaparkan kepada pengguna, atau dihantar ke sistem analitik dan pemprosesan bahasa hiliran.