OpenAI: Whisper 1

OpenAI : Whisper 1 est un modèle de reconnaissance automatique de la parole d'OpenAI, distribué via son API sous l'identifiant de modèle whisper-1. Whisper lui-même est la famille de reconnaissance vocale open source d'OpenAI, et ce point de terminaison expose cette capacité sous forme de service hébergé. Il se situe dans la catégorie de la transcription, donc son rôle est de transformer la parole enregistrée en texte écrit plutôt que de générer des réponses conversationnelles ou de raisonner sur des invites.

Le modèle prend l'audio comme seule entrée et renvoie une transcription comme sortie. Il gère à la fois la transcription et la traduction, et couvre plus de 50 langues. Les fichiers audio peuvent atteindre 25 Mo, et il accepte une gamme de formats audio courants. Il n'y a pas de fenêtre de contexte textuel à gérer ici, car le modèle ne consomme ni ne produit de séquences de jetons de type conversation ; l'unité de travail est un fichier audio, et le résultat est le texte correspondant. La page du modèle ne liste aucun paramètre de requête ajustable, donc vous travaillez avec les valeurs par défaut fournies par le point de terminaison.

Comme la sortie est du texte dérivé de la parole, les usages pratiques en découlent directement. Vous pouvez transcrire des enregistrements de réunions, des entretiens, des cours, des podcasts ou des notes vocales en texte consultable et modifiable. La capacité de traduction signifie qu'un audio dans l'une des langues prises en charge peut être rendu en texte anglais, ce qui est utile pour les archives multilingues ou les enregistrements de support. La génération de sous-titres et de légendes pour la vidéo est un autre usage naturel, tout comme la création d'une couche de texte sur une bibliothèque d'enregistrements d'appels pour un examen ou un indexage ultérieur. Tout flux de travail où l'audio doit devenir du contenu écrit, avec des tailles de fichier jusqu'à 25 Mo, est candidat.

L'appeler via api14 fonctionne de la même manière que n'importe quel autre modèle sur la passerelle, en utilisant l'API compatible OpenAI avec l'identifiant de modèle openai/whisper-1. Vous envoyez votre audio au point de terminaison de transcription dans le format attendu par l'API OpenAI, et la réponse contient le texte transcrit. Comme la liste des paramètres pris en charge est vide, il n'y a pas de réglages supplémentaires documentés pour ce modèle sur api14 ; vous transmettez l'audio et l'identifiant de modèle et vous lisez la transcription en retour. Si votre application parle déjà l'API OpenAI, passer à ce modèle consiste simplement à changer l'identifiant de modèle.

Une chose à garder à l'esprit est la limite de fichier de 25 Mo. Les enregistrements plus longs devront être découpés avant soumission, et si votre audio dépasse cette taille, vous devrez le segmenter vous-même ou le prétraiter. Notez aussi que ce modèle ne produit que des transcriptions ; si vous avez besoin d'un modèle qui répond à des questions, suit des instructions ou génère du texte, un modèle de conversation ou de langage est le meilleur choix. Whisper 1 est le bon choix lorsque la tâche est strictement de la parole vers le texte.