GPT-4o Transcribe

Especificações e limites

conforme documentação oficial da OpenAI ↗

Use o GPT-4o Transcribe em 30 segundos

Compatível com OpenAI: troque a base_url, mantenha seu 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());

Sobre o GPT-4o Transcribe

• A página oficial o credita com melhorias na taxa de erro por palavra e melhor reconhecimento e precisão de idioma em comparação com os modelos Whisper originais.
• As requisições carregam uma janela de contexto de 16K tokens com até 2K tokens de saída, e o modelo é servido nos endpoints de transcrição e realtime.
• Os uploads seguem os limites compartilhados da API de transcrição: mp3, mp4, mpeg, mpga, m4a, wav ou webm, até 25MB por arquivo, com gravações mais longas divididas no lado do cliente.
• Diferente do Whisper, ele aceita um prompt, que a OpenAI descreve como uma forma de melhorar a qualidade da transcrição dando ao modelo contexto adicional do mesmo jeito que você faria com qualquer outro modelo GPT-4o, o que é útil para nomes, jargão e grafias de produtos.
• A transcrição em streaming é suportada, assim como as log probabilities para pipelines conscientes de confiança.
• Dois limites moldam as integrações: a saída está disponível apenas como JSON ou texto simples, sem SRT, VTT ou verbose JSON, e granularidades de timestamp por palavra ou por segmento não são oferecidas neste modelo.
• A cobertura de idiomas segue a lista publicada da API de transcrição de mais de setenta idiomas, que a OpenAI condiciona a um limiar de taxa de erro por palavra em vez de afirmar suporte universal, e o corte de conhecimento é junho de 2024.
• A OpenAI o enquadra como a escolha de maior precisão quando o streaming não é a prioridade.
• Na Synthorai, ele se conecta à rota /v1/audio/transcriptions compatível com OpenAI sem alterações.

Perguntas frequentes

Modelos relacionados

Comparar