Whisper v1

Spécifications et limites

Whisper large-v2, open source, servi via API ; prompt limité à 224 tokens.

selon docs officielles OpenAI ↗

Utilisez Whisper v1 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="whisper-1",
    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: "whisper-1",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="whisper-1" \
  -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: "whisper-1",
		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("whisper-1")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

À propos de Whisper v1

• C'est un système multitâche qui réalise la transcription, la reconnaissance vocale multilingue, la traduction vocale et l'identification de la langue, et il est facturé simplement à la minute d'audio traité.
• Malgré les nouveaux modèles de transcription fondés sur GPT-4o, il reste, pour plusieurs tâches, la seule option de la pile audio d'OpenAI.
• C'est le seul modèle servi sur l'endpoint translations, qui rend la parole en anglais, et le seul à prendre en charge les granularités d'horodatage au niveau du segment ou du mot.
• Il possède aussi la plus large prise en charge de formats de réponse de la famille, couvrant JSON, texte brut, JSON détaillé, SRT et VTT, ce dont les pipelines de sous-titres ont besoin.
• Les compromis sont tout aussi concrets : la transcription en streaming n'est pas prise en charge, les prompts orientent le style plutôt que le contenu (le modèle a tendance à refléter la ponctuation et la capitalisation du prompt), et seuls les 224 derniers tokens d'un prompt sont pris en compte.
• Les limites communes de transcription s'appliquent, avec mp3, mp4, mpeg, mpga, m4a, wav et webm acceptés jusqu'à 25 Mo.
• La documentation d'OpenAI le présente désormais sous un angle historique, même si la page modèle ne porte aucun avis de dépréciation.
• Synthorai accepte les tâches Whisper sur sa route /v1/audio/transcriptions compatible OpenAI, si bien que les clients existants fonctionnent tels quels.

FAQ

Modèles associés

Comparer