GPT-4o Transcribe

Spezifikationen & Limits

laut Offizielle OpenAI-Dokumentation ↗

GPT-4o Transcribe in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/audio/transcriptions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="gpt-4o-transcribe",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.audio.transcriptions.create({
  model: "gpt-4o-transcribe",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="gpt-4o-transcribe" \
  -F file=@meeting.mp3

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	f, _ := os.Open("meeting.mp3")
	resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
		Model: "gpt-4o-transcribe",
		File:  f,
	})
	fmt.Println(resp.Text)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

Transcription resp = client.audio().transcriptions().create(
    TranscriptionCreateParams.builder()
        .model("gpt-4o-transcribe")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Über GPT-4o Transcribe

• Die offizielle Seite schreibt ihm Verbesserungen bei der Wortfehlerrate sowie bessere Spracherkennung und Genauigkeit gegenüber den ursprünglichen Whisper-Modellen zu.
• Anfragen tragen ein Kontextfenster von 16K Token mit bis zu 2K Output-Token, und das Modell wird über Transkriptions- und Realtime-Endpoints bereitgestellt.
• Uploads folgen den gemeinsamen Limits der Transkriptions-API: mp3, mp4, mpeg, mpga, m4a, wav oder webm, bis zu 25MB pro Datei, wobei längere Aufnahmen clientseitig aufgeteilt werden.
• Anders als Whisper akzeptiert es einen Prompt, den OpenAI als Möglichkeit beschreibt, die Transkriptionsqualität zu verbessern, indem man dem Modell zusätzlichen Kontext gibt, so wie man jedes andere GPT-4o-Modell prompten würde, was bei Namen, Fachjargon und Produktschreibweisen nützlich ist.
• Streaming-Transkription wird unterstützt, ebenso Log-Probabilities für konfidenzbewusste Pipelines.
• Zwei Grenzen prägen Integrationen: Die Ausgabe ist nur als JSON oder reiner Text verfügbar, ohne SRT, VTT oder Verbose-JSON, und Zeitstempel-Granularitäten auf Wort- oder Segmentebene werden bei diesem Modell nicht angeboten.
• Die Sprachabdeckung folgt der veröffentlichten Liste der Transkriptions-API von mehr als siebzig Sprachen, die OpenAI an einen Schwellenwert für die Wortfehlerrate knüpft, statt universelle Unterstützung zu behaupten, und der Knowledge Cutoff liegt im Juni 2024.
• OpenAI rahmt es als die genauere Wahl, wenn Streaming nicht im Vordergrund steht.
• Auf Synthorai fügt es sich unverändert in die OpenAI-kompatible Route /v1/audio/transcriptions ein.

FAQ

Verwandte Modelle

Vergleichen