GPT-4o Transcribe

Specifiche e limiti

fonte: documentazione ufficiale OpenAI ↗

Usa GPT-4o Transcribe in 30 secondi

Compatibile OpenAI: cambia la base_url, tieni il tuo 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());

Informazioni su GPT-4o Transcribe

• La pagina ufficiale gli attribuisce miglioramenti nel word error rate e un riconoscimento e un'accuratezza linguistica migliori rispetto ai modelli Whisper originali.
• Le richieste portano una finestra di contesto da 16K token con fino a 2K token di output, e il modello è servito su endpoint di trascrizione e realtime.
• Gli upload seguono i limiti condivisi della transcription API: mp3, mp4, mpeg, mpga, m4a, wav o webm, fino a 25MB per file, con le registrazioni più lunghe da suddividere lato client.
• A differenza di Whisper accetta un prompt, che OpenAI descrive come un modo per migliorare la qualità della trascrizione dando al modello contesto aggiuntivo, allo stesso modo in cui si formula un prompt per qualsiasi altro modello GPT-4o, il che è utile per nomi, gergo e grafie di prodotto.
• La trascrizione in streaming è supportata, così come le log probability per pipeline consapevoli della confidenza.
• Due limiti danno forma alle integrazioni: l'output è disponibile solo come JSON o testo semplice, senza SRT, VTT o verbose JSON, e su questo modello non sono offerte granularità dei timestamp a livello di parola o di segmento.
• La copertura linguistica segue l'elenco pubblicato dalla transcription API di più di settanta lingue, che OpenAI vincola a una soglia di word error rate anziché rivendicare un supporto universale, e il cutoff di conoscenza è giugno 2024.
• OpenAI lo inquadra come la scelta a più alta accuratezza quando lo streaming non è la priorità.
• Su Synthorai si inserisce senza modifiche nella rotta compatibile OpenAI /v1/audio/transcriptions.

FAQ

Modelli correlati

Confronta