GPT-4o Transcribe

Especificaciones y límites

según documentación oficial de OpenAI ↗

Use GPT-4o Transcribe en 30 segundos

Compatible con OpenAI: cambie el base_url y conserve su SDK. 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());

Acerca de GPT-4o Transcribe

• La página oficial le atribuye mejoras en la tasa de error por palabra y un mejor reconocimiento y precisión de idiomas en comparación con los modelos Whisper originales.
• Las solicitudes llevan una ventana de contexto de 16K tokens con hasta 2K tokens de salida, y el modelo se sirve en los endpoints de transcripción y realtime.
• Las subidas siguen los límites compartidos de la API de transcripción: mp3, mp4, mpeg, mpga, m4a, wav o webm, hasta 25MB por archivo, con las grabaciones más largas divididas en el cliente.
• A diferencia de Whisper acepta un prompt, que OpenAI describe como una forma de mejorar la calidad de la transcripción dando al modelo contexto adicional igual que se haría con cualquier otro modelo GPT-4o, lo que resulta útil para nombres, jerga y grafías de productos.
• Se admite la transcripción en streaming, así como las probabilidades logarítmicas para canalizaciones conscientes de la confianza.
• Dos límites condicionan las integraciones: la salida solo está disponible como JSON o texto plano, sin SRT, VTT ni JSON detallado, y en este modelo no se ofrecen granularidades de marcas de tiempo a nivel de palabra o de segmento.
• La cobertura de idiomas sigue la lista publicada de más de setenta idiomas de la API de transcripción, que OpenAI condiciona a un umbral de tasa de error por palabra en lugar de afirmar un soporte universal, y la fecha de corte de conocimiento es junio de 2024.
• OpenAI lo plantea como la opción de mayor precisión cuando el streaming no es la prioridad.
• En Synthorai se conecta sin cambios a la ruta /v1/audio/transcriptions compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar