OpenAI: GPT Transcribe

GPT Transcribe adalah model speech-to-text dari OpenAI, terdaftar di api14 dengan model id openai/gpt-transcribe. Model ini berada dalam kategori transkripsi, jadi tugasnya sempit dan spesifik: mengubah audio menjadi teks, bukan menghasilkan balasan percakapan atau menangani chat serbaguna. Jika Anda membangun pipeline di mana konten lisan perlu menjadi konten tertulis, inilah jenis model yang dimaksudkan provider untuk langkah tersebut.

Model ini menerima audio sebagai modalitas input dan mengembalikan transkripsi sebagai output. Menurut deskripsi provider, ini adalah model speech-to-text dengan akurasi tinggi yang cocok untuk audio rekaman, transkripsi file yang dialirkan, dan Committed Realtime turns. Model ini mendukung free-form context, keyword hints, dan berbagai bahasa. Tidak ada context length yang dipublikasikan untuk model ini, dan output maksimum tercatat sebagai nol, jadi Anda sebaiknya memperlakukan batas praktisnya sebagai sesuatu yang perlu diverifikasi terhadap dokumentasi provider sendiri daripada mengasumsikan anggaran token dari halaman ini. Yang jelas dari halaman ini adalah bentuk interaksinya: audio masuk, teks keluar, dengan context opsional dan panduan keyword untuk mengarahkan pengenalan.

Use case-nya mengikuti langsung dari hal itu. Transkripsi audio rekaman mencakup rekaman rapat, wawancara, podcast, voice memo, dan arsip materi lisan apa pun yang ingin Anda buat dapat dicari sebagai teks. Transkripsi file yang dialirkan cocok untuk alur kerja di mana audio datang sebagai file dan Anda ingin transkrip dihasilkan sebagai bagian dari pekerjaan pemrosesan yang lebih besar. Committed Realtime turns mengarah pada ucapan langsung atau hampir langsung yang ditranskripsikan sebagai bagian dari sesi interaktif. Free-form context berguna ketika Anda dapat memberi tahu model tentang isi audio, misalnya kosakata domain atau topik panggilan, dan keyword hints membantu ketika Anda tahu istilah, nama, atau jargon tertentu kemungkinan muncul. Dukungan berbagai bahasa berarti endpoint yang sama dapat melayani audio multibahasa daripada memaksa Anda memakai model terpisah per bahasa.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id openai/gpt-transcribe, jadi pustaka klien OpenAI yang ada dan pola request seharusnya tetap berlaku dengan base URL diarahkan ke api14. Daftar parameter yang didukung untuk model ini kosong, yang berarti tidak ada parameter request tambahan yang didokumentasikan di sini selain yang diterima endpoint secara default. Secara praktis, itu berarti Anda sebaiknya mengirim audio dan model id, dan tidak mengandalkan opsi penyetelan seperti temperature atau pengaturan sampling khusus yang muncul di halaman ini. Jika Anda memerlukan parameter yang tidak tercantum, periksa dokumentasi provider sebelum mengasumsikan parameter itu tersedia.

Karena model ini hanya untuk transkripsi, model ini tidak cocok untuk tugas yang memerlukan pembuatan teks, penalaran, tool calling, atau input gambar. Jika beban kerja Anda adalah chat, kode, atau teks umum, model lain di katalog akan lebih melayani Anda. Tidak ada context length yang dipublikasikan dan output maksimum bernilai nol di halaman ini, jadi untuk audio yang sangat panjang atau kebutuhan throughput yang tidak biasa, Anda sebaiknya mengonfirmasi perilakunya dengan provider daripada menyimpulkannya dari field ini.