OpenAI: GPT-4o Transcribe

GPT-4o Transcribe هو نموذج تحويل الكلام إلى نص من OpenAI، مبني على قدرات الصوت في GPT-4o. يقع في فئة النسخ، لذا وظيفته تحويل الصوت المنطوق إلى نص مكتوب بدلا من توليد ردود محادثة. إذا كنت توجه نماذج OpenAI أخرى عبر بنيتك التقنية، فهذا النموذج يأتي من نفس المزود ويتبع نفس نمط الوصول العام.

يأخذ النموذج الصوت كمدخل وحيد له ويعيد نصا مكتوبا كمخرج. طول السياق لديه 128,000 رمز والحد الأقصى للمخرج 115,200 رمز، وهو سخي لعمل النسخ: التسجيلات الطويلة أو الجلسات متعددة المتحدثين أو الدفعات الكبيرة من الصوت يمكن التعامل معها دون تقسيمها إلى العديد من الطلبات الصغيرة. لأن المخرج هو نص مكتوب وليس إكمال محادثة، يجب أن تتوقع نصا يعكس ما قيل في الصوت، وليس إجابة بأسلوب مساعد. يصفه المزود بأنه نموذج عالي الجودة لتحويل الكلام إلى نص، والفوترة لكل رمز على كل من المدخل والمخرج، مما يمنحك شفافية على مستوى الرمز لما يستهلكه كل طلب.

تتبع حالات الاستخدام العملية مباشرة من هذا الشكل. يمكن تحويل تسجيلات الاجتماعات والمكالمات إلى نص للملاحظات أو البحث أو الأرشفة. يمكن نسخ المذكرات الصوتية والمقابلات وتسجيلات البحث للتحليل لاحقا. البودكاست والمحاضرات والصوت الطويل المماثل تناسب نافذة السياق الكبيرة، لذا يمكنك إرسال ملفات كبيرة في طلب واحد بدلا من تقسيمها. الفرق التي تحتاج إلى نصوص مكتوبة كخطوة في مسار معالجة، تغذي أدوات التلخيص أو الفهرسة أو المراجعة اللاحقة، يمكنها استخدام النموذج كمرحلة أولى. في أي مكان لديك صوت وتحتاج إلى نص موثوق منه، هذا هو عبء العمل المقصود.

تستدعيه عبر واجهة API المتوافقة مع OpenAI من api14 باستخدام معرف النموذج "openai/gpt-4o-transcribe". لأن الواجهة متوافقة مع OpenAI، يمكنك توجيه عميل OpenAI موجود إلى نقطة نهاية api14 وإرسال مدخل صوتي بالطريقة المعتادة، دون الحاجة إلى تكامل مخصص. قائمة المعاملات المدعومة للنموذج فارغة، لذا لا توجد خيارات ضبط إضافية لتعيينها beyond حقول الطلب القياسية؛ أبق طلباتك بسيطة واعتمد على الإعدادات الافتراضية للنموذج. تحقق من جدول الأسعار المباشر على هذه الصفحة للحصول على الأسعار الحالية، لأن الفوترة لكل رمز على كل من المدخل والمخرج.

شيء واحد يجب أن تضعه في الاعتبار هو النطاق. هذا النموذج مبني للنسخ فقط، لذا إذا كنت بحاجة إلى مساعد يستنتج على النص أو يجيب على الأسئلة أو ينتج مخرجا منظما، فإن نموذج محادثة عام سيكون أنسب. وبالمثل، إذا كان صوتك قصيرا وبسيطا، فقد يكون خيار نسخ أخف كافيا. للتسجيلات الطويلة وسير العمل حيث تهم رؤية الفوترة على مستوى الرمز، فإن GPT-4o Transcribe هو الخيار المباشر.