GPT-4o Transcribe

Spécifications et limites

selon docs officielles OpenAI ↗

Utilisez GPT-4o Transcribe en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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());

À propos de GPT-4o Transcribe

• La page officielle lui crédite des améliorations du taux d'erreur sur les mots ainsi qu'une meilleure reconnaissance et une meilleure précision linguistiques par rapport aux modèles Whisper d'origine.
• Les requêtes disposent d'une fenêtre de contexte de 16K tokens avec jusqu'à 2K tokens de sortie, et le modèle est servi sur les endpoints de transcription et temps réel.
• Les envois suivent les limites communes de l'API de transcription : mp3, mp4, mpeg, mpga, m4a, wav ou webm, jusqu'à 25 Mo par fichier, les enregistrements plus longs devant être découpés côté client.
• Contrairement à Whisper, il accepte un prompt, qu'OpenAI décrit comme un moyen d'améliorer la qualité de transcription en donnant au modèle du contexte supplémentaire, exactement comme on promptera n'importe quel autre modèle GPT-4o, ce qui est utile pour les noms propres, le jargon et l'orthographe des produits.
• La transcription en streaming est prise en charge, tout comme les probabilités logarithmiques pour les pipelines qui exploitent la confiance.
• Deux limites façonnent les intégrations : la sortie n'est disponible qu'en JSON ou en texte brut, sans SRT, VTT ni JSON détaillé, et les granularités d'horodatage au niveau du mot ou du segment ne sont pas proposées sur ce modèle.
• La couverture linguistique suit la liste publiée par l'API de transcription de plus de soixante-dix langues, qu'OpenAI conditionne à un seuil de taux d'erreur sur les mots plutôt que de revendiquer une prise en charge universelle, et la date limite des connaissances est juin 2024.
• OpenAI le présente comme le choix de plus haute précision lorsque le streaming n'est pas la priorité.
• Sur Synthorai, il se branche tel quel sur la route /v1/audio/transcriptions compatible OpenAI.

FAQ

Modèles associés

Comparer