OpenAI: Whisper 1

OpenAI: Whisper 1 è un modello di riconoscimento vocale automatico di OpenAI, distribuito tramite la sua API con l'id del modello whisper-1. Whisper stesso è la famiglia open source di riconoscimento vocale di OpenAI, e questo endpoint espone tale capacità come servizio ospitato. Si colloca nella categoria della trascrizione, quindi il suo compito è trasformare il parlato registrato in testo scritto, non generare risposte conversazionali o ragionare sui prompt.

Il modello accetta audio come unico input e restituisce una trascrizione come output. Gestisce sia la trascrizione sia la traduzione e copre più di 50 lingue. I file audio possono arrivare fino a 25 MB di dimensione, e accetta una serie di formati audio comuni. Qui non c'è alcuna finestra di contesto testuale da gestire, perché il modello non consuma né produce sequenze di token in stile chat; l'unità di lavoro è un file audio, e il risultato è il testo corrispondente. La pagina del modello non elenca alcun parametro di richiesta regolabile, quindi si lavora con i valori predefiniti forniti dall'endpoint.

Poiché l'output è testo derivato dal parlato, gli usi pratici conseguono direttamente. Puoi trascrivere registrazioni di riunioni, interviste, lezioni, podcast o note vocali in testo ricercabile e modificabile. La capacità di traduzione significa che l'audio in una delle lingue supportate può essere reso in testo inglese, il che è utile per archivi multilingue o registrazioni di supporto. La generazione di sottotitoli e didascalie per video è un'altra applicazione naturale, così come la creazione di uno strato testuale su una libreria di registrazioni di chiamate per revisione o indicizzazione successiva. Qualsiasi flusso di lavoro in cui l'audio deve diventare contenuto scritto, con dimensioni di file fino a 25 MB, è un candidato.

Chiamarlo tramite api14 funziona allo stesso modo di qualsiasi altro modello sul gateway, usando l'API compatibile con OpenAI con l'id del modello openai/whisper-1. Invii il tuo audio all'endpoint di trascrizione nel formato che l'API OpenAI si aspetta, e la risposta contiene il testo trascritto. Poiché l'elenco dei parametri supportati è vuoto, non ci sono controlli aggiuntivi documentati per questo modello su api14; passi l'audio e l'id del modello e leggi la trascrizione restituita. Se la tua applicazione parla già l'API OpenAI, passare a questo modello è solo questione di cambiare l'identificatore del modello.

Una cosa da tenere a mente è il limite di 25 MB per file. Le registrazioni più lunghe dovranno essere divise prima dell'invio, e se il tuo audio supera quella dimensione dovrai segmentarlo da solo o preelaborarlo. Nota anche che questo modello produce solo trascrizioni; se ti serve un modello che risponda a domande, segua istruzioni o generi testo, un modello chat o linguistico è la scelta migliore. Whisper 1 è la scelta giusta quando il compito è strettamente da parlato a testo.