GPT Realtime Whisper

transcription

GPT Realtime Whisper fornece atualizações de transcrição de baixa latência a partir de áudio ao vivo.

Entrada
áudio texto
Saída
texto
Preço
$0.017/min
Contexto
16K
Corte de conhecimento
2024-09

O preço em contexto

Posição do preço entre 9 modelos comparáveis

Por minuto$0.017/min
$0.002 · Seed ASR GPT Realtime Whisper · $0.017

A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Nas extremidades aparecem o mais barato e o mais caro. São as tarifas base; os descontos de batch, região e escrita de cache estão na página de preços.

Especificações e limites

Tokens

Janela de contexto (especificação do provedor) 16.000
Saída máxima (especificação do provedor) 2.000
Corte de conhecimento 2024-09

Áudio

Idiomas A OpenAI não publica uma lista de idiomas específica deste modelo; teste o idioma desejado com áudio representativo.
Limites de áudio
  • Transcrição de áudio ao vivo com atualizações de texto de baixa latência
  • cobrança por minuto de áudio, não por tokens de texto
Transcrição em streaming Sim

Modelo

Modalidades áudio + texto → texto

conforme fonte das especificações do modelo ↗

Use o GPT Realtime Whisper em 30 segundos

Usado apenas dentro de uma sessão OpenAI Realtime, como modelo de transcrição da entrada: abra a sessão em um modelo Realtime e defina session.audio.input.transcription.model como gpt-realtime-whisper. WS /v1/realtime

import asyncio, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
# Send ONLY the Authorization header - the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) name gpt-realtime-whisper as the session's input transcription model
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "audio": {"input": {"transcription": {"model": "gpt-realtime-whisper"}}},
            },
        }))
        # 2) send input audio (base64 PCM16) and commit it
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        # 3) the transcript of what was said arrives as its own event
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "conversation.item.input_audio_transcription.completed":
                print(ev["transcript"])
                break

asyncio.run(main())

Sobre o GPT Realtime Whisper

  • A OpenAI cobra pela duração do áudio, não por tokens de texto.
  • Para novas integrações, a OpenAI recomenda modelos de transcrição mais recentes; este continua para integrações existentes compatíveis.

Perguntas frequentes

A API do GPT Realtime Whisper é gratuita para testar?

Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. É o suficiente para testar o GPT Realtime Whisper com sua carga de trabalho real antes de adicionar um meio de pagamento.

Em que o GPT Realtime Whisper é melhor?

Transcrição contínua de áudio ao vivo; cobrança por minuto de áudio; comparar modelos mais recentes. Veja na seção Sobre o quadro completo, tirado das notas de lançamento do próprio provedor.

Quanto custa o GPT Realtime Whisper?

Na Synthorai, o GPT Realtime Whisper custa $0.017 por minuto de áudio transcrito: pagamento por uso, sem markup da plataforma, sem assinatura.

Como uso o GPT Realtime Whisper?

O GPT Realtime Whisper não é chamado sozinho. Ele transcreve o áudio do usuário dentro de uma sessão Realtime: conecte-se a wss://synthorai.io/v1/realtime com um modelo Realtime, defina session.audio.input.transcription.model como "gpt-realtime-whisper" e leia cada transcrição no evento conversation.item.input_audio_transcription.completed. É cobrado $0.017 por minuto de áudio de entrada, além das tarifas da própria sessão.

Como obtenho acesso ao GPT Realtime Whisper?

Abra a sessão Realtime com sua chave de API da Synthorai e indique "gpt-realtime-whisper" como modelo de transcrição da entrada. O GPT Realtime Whisper foi feito para sessões Realtime, não para a API de arquivos /v1/audio/transcriptions; para transcrever um arquivo, escolha um dos modelos de transcrição de áudio. Uma única chave de API cobre todos os modelos do gateway.

Modelos relacionados

Comparar

As especificações e os benchmarks dos fornecedores incluem links para as fontes. O suporte do gateway descreve a implementação da Synthorai. Os exemplos arquivados são solicitações individuais e não garantem o desempenho geral do modelo. Os preços vêm da API pública ou do snapshot usado na compilação.

Obtenha sua chave de API Compare seu custo →