OpenAI: Whisper 1

OpenAI: Whisper 1, OpenAI tarafından geliştirilen ve API üzerinden whisper-1 model kimliğiyle sunulan bir otomatik konuşma tanıma modelidir. Whisper, OpenAI'nin açık kaynaklı konuşma tanıma ailesidir ve bu uç nokta söz konusu yeteneği barındırılan bir hizmet olarak sunar. Transkripsiyon kategorisinde yer alır, yani görevi konuşma kayıtlarını yazılı metne dönüştürmektir; sohbet yanıtları üretmek veya istemler üzerinde akıl yürütmek değil.

Model tek girdi olarak ses alır ve çıktı olarak bir transkripsiyon döndürür. Hem transkripsiyonu hem de çeviriyi destekler ve 50'den fazla dili kapsar. Ses dosyaları 25 MB'a kadar olabilir ve bir dizi yaygın ses formatını kabul eder. Burada yönetilecek bir metin bağlam penceresi yoktur, çünkü model sohbet tarzı token dizileri tüketmez veya üretmez; iş birimi bir ses dosyasıdır ve sonuç karşılık gelen metindir. Model sayfasında ayarlanabilir herhangi bir istek parametresi listelenmemiştir, dolayısıyla uç noktanın sağladığı varsayılan değerlerle çalışırsınız.

Çıktı konuşmadan türetilen metin olduğu için pratik kullanımlar doğrudan bunu takip eder. Toplantı kayıtlarını, röportajları, dersleri, podcast'leri veya sesli notları aranabilir, düzenlenebilir metne dönüştürebilirsiniz. Çeviri yeteneği, desteklenen dillerden birindeki sesin İngilizce metne dönüştürülebileceği anlamına gelir; bu, çok dilli arşivler veya destek kayıtları için kullanışlıdır. Video için altyazı ve caption üretimi de bir diğer doğal kullanım alanıdır; çağrı kayıtlarından oluşan bir kütüphanenin üzerine daha sonra inceleme veya dizinleme için bir metin katmanı oluşturmak da öyle. Sesin yazılı içeriğe dönüşmesi gereken, 25 MB'a kadar dosya boyutlarındaki her iş akışı bir adaydır.

api14 üzerinden çağırmak, ağ geçidindeki diğer tüm modellerle aynı şekilde çalışır; openai/whisper-1 model kimliğiyle OpenAI uyumlu API kullanılır. Sesinizi OpenAI API'sinin beklediği formatta transkripsiyon uç noktasına gönderirsiniz ve yanıt, transkribe edilmiş metni içerir. Desteklenen parametreler listesi boş olduğundan, api14 üzerinde bu model için belgelenmiş ek ayar düğmesi yoktur; sesi ve model kimliğini iletirsiniz, karşılığında transkripsiyonu okursunuz. Uygulamanız zaten OpenAI API'siyle konuşuyorsa, bu modele geçmek model tanımlayıcısını değiştirmekten ibarettir.

Akılda tutulması gereken bir nokta 25 MB dosya sınırıdır. Daha uzun kayıtların gönderilmeden önce bölünmesi gerekir ve sesiniz bu boyutu aşarsa kendiniz segmentlere ayırmanız veya ön işleme tabi tutmanız gerekir. Ayrıca bu modelin yalnızca transkripsiyon ürettiğini unutmayın; soruları yanıtlayan, talimatları izleyen veya metin üreten bir modele ihtiyacınız varsa, bir sohbet veya dil modeli daha iyi bir seçimdir. Görev kesinlikle konuşmadan metne dönüştürme olduğunda Whisper 1 doğru tercihtir.