OpenAI: Whisper 1

OpenAI: Whisper 1 adalah model pengenalan suara otomatis dari OpenAI, yang didistribusikan melalui API-nya dengan model id whisper-1. Whisper sendiri adalah keluarga pengenalan suara open-source milik OpenAI, dan endpoint ini mengekspos kemampuan tersebut sebagai layanan terkelola. Model ini berada dalam kategori transkripsi, jadi tugasnya adalah mengubah suara yang direkam menjadi teks tertulis, bukan menghasilkan balasan percakapan atau melakukan penalaran atas prompt.

Model ini menerima audio sebagai satu-satunya input dan mengembalikan transkripsi sebagai output. Model ini menangani transkripsi dan terjemahan, serta mencakup lebih dari 50 bahasa. File audio dapat berukuran hingga 25 MB, dan model ini menerima berbagai format audio umum. Tidak ada context window teks yang perlu dikelola di sini, karena model ini tidak mengonsumsi atau menghasilkan urutan token bergaya chat; unit kerjanya adalah file audio, dan hasilnya adalah teks yang sesuai. Halaman model tidak mencantumkan parameter permintaan yang dapat disetel, jadi Anda bekerja dengan default yang disediakan endpoint.

Karena outputnya adalah teks yang berasal dari ucapan, penggunaan praktisnya mengikuti secara langsung. Anda dapat mentranskripsikan rekaman rapat, wawancara, kuliah, podcast, atau catatan suara menjadi teks yang dapat dicari dan diedit. Kemampuan terjemahan berarti audio dalam salah satu bahasa yang didukung dapat diubah menjadi teks bahasa Inggris, yang berguna untuk arsip multibahasa atau rekaman dukungan. Pembuatan subtitle dan caption untuk video juga sangat cocok, begitu pula membangun lapisan teks di atas pustaka rekaman panggilan untuk peninjauan atau pengindeksan di kemudian hari. Alur kerja apa pun yang membutuhkan audio menjadi konten tertulis, pada ukuran file hingga 25 MB, adalah kandidat yang tepat.

Memanggilnya melalui api14 bekerja dengan cara yang sama seperti model lain di gateway, menggunakan API yang kompatibel dengan OpenAI dengan model id openai/whisper-1. Anda mengirim audio ke endpoint transkripsi dalam format yang diharapkan OpenAI API, dan responsnya berisi teks yang ditranskripsikan. Karena daftar parameter yang didukung kosong, tidak ada pengaturan tambahan yang didokumentasikan untuk model ini di api14; Anda mengirim audio dan model id lalu membaca kembali transkripsinya. Jika aplikasi Anda sudah mendukung OpenAI API, beralih ke model ini hanya perlu mengubah pengenal model.

Satu hal yang perlu diingat adalah batas file 25 MB. Rekaman yang lebih panjang perlu dipisah sebelum dikirim, dan jika audio Anda melebihi ukuran tersebut Anda harus membaginya sendiri atau memprosesnya terlebih dahulu. Perhatikan juga bahwa model ini hanya menghasilkan transkripsi; jika Anda membutuhkan model yang menjawab pertanyaan, mengikuti instruksi, atau menghasilkan teks, model chat atau bahasa adalah pilihan yang lebih baik. Whisper 1 adalah pilihan yang tepat ketika tugasnya strictly speech to text.