OpenAI: Whisper 1

OpenAI: Whisper 1은 OpenAI의 자동 음성 인식 모델로, 모델 id whisper-1로 API를 통해 배포됩니다. Whisper 자체는 OpenAI의 오픈소스 음성 인식 제품군이며, 이 엔드포인트는 그 기능을 호스팅 서비스로 노출합니다. 이 모델은 전사(transcription) 범주에 속하므로, 대화형 답변을 생성하거나 프롬프트에 대해 추론하는 대신 녹음된 음성을 문자 텍스트로 변환하는 것이 역할입니다.

이 모델은 오디오를 유일한 입력으로 받고 전사 결과를 출력으로 반환합니다. 전사와 번역을 모두 처리하며 50개 이상의 언어를 지원합니다. 오디오 파일은 최대 25 MB까지 가능하며, 다양한 일반 오디오 형식을 허용합니다. 여기에는 관리할 텍스트 컨텍스트 창이 없습니다. 모델이 채팅 스타일의 토큰 시퀀스를 소비하거나 생성하지 않기 때문입니다. 작업 단위는 오디오 파일이고, 결과는 그에 대응하는 텍스트입니다. 모델 페이지에는 조정 가능한 요청 파라미터가 나열되어 있지 않으므로, 엔드포인트가 제공하는 기본값으로 작업합니다.

출력이 음성에서 파생된 텍스트이므로 실용적인 용도는 바로 이어집니다. 회의 녹음, 인터뷰, 강의, 팟캐스트 또는 음성 메모를 검색 가능하고 편집 가능한 텍스트로 전사할 수 있습니다. 번역 기능은 지원되는 언어 중 하나로 된 오디오를 영어 텍스트로 렌더링할 수 있다는 뜻이며, 이는 다국어 아카이브나 지원 녹음에 유용합니다. 비디오용 자막과 캡션 생성도 자연스럽게 맞는 용도이며, 나중에 검토하거나 색인화하기 위해 통화 녹음 라이브러리 위에 텍스트 레이어를 구축하는 것도 마찬가지입니다. 오디오를 최대 25 MB의 파일 크기로 작성된 콘텐츠로 바꿔야 하는 모든 워크플로가 후보입니다.

api14를 통해 호출하는 방식은 게이트웨이의 다른 모델과 동일하며, 모델 id openai/whisper-1과 함께 OpenAI 호환 API를 사용합니다. OpenAI API가 기대하는 형식으로 오디오를 전사 엔드포인트에 보내면 응답에 전사된 텍스트가 포함됩니다. 지원되는 파라미터 목록이 비어 있으므로 api14에서 이 모델에 대해 문서화된 추가 조정 항목은 없습니다. 오디오와 모델 id를 전달하고 전사 결과를 다시 읽으면 됩니다. 애플리케이션이 이미 OpenAI API를 사용한다면, 이 모델로 전환하는 것은 모델 식별자를 바꾸는 문제입니다.

한 가지 유념할 점은 25 MB 파일 제한입니다. 더 긴 녹음은 제출 전에 분할해야 하며, 오디오가 그 크기를 초과하면 직접 분할하거나 전처리해야 합니다. 또한 이 모델은 전사만 생성한다는 점에 유의하세요. 질문에 답하거나 지시를 따르거나 텍스트를 생성하는 모델이 필요하다면 채팅 또는 언어 모델이 더 나은 선택입니다. Whisper 1은 작업이 순전히 음성 대 텍스트일 때 올바른 선택입니다.