Publiczne wersje i endpointy
| ID modelu | Endpointy | Cena początkowa | Katalog |
|---|---|---|---|
gpt-transcribe
|
/v1/audio/transcriptions
|
$0.02 / minuta | Szczegóły modelu |
whisper-1
|
/v1/audio/transcriptions
|
$0.02 / minuta | Szczegóły modelu |
Weryfikacja
Odpytywanie do momentu osiągnięcia przez Task stanu końcowego
Wybierz <model-id>, aby wygenerować polecenia weryfikacyjne.Konfiguracja
Endpoint przewodnika: <endpoint>
Wybierz <model-id>, aby wygenerować żądanie zgodne z publicznym kontraktem wejściowym endpointu.Zacznij w 3 krokach
-
Wybierz ID modelu
Wybierz publiczny ID modelu z katalogu i sprawdź jego endpoint oraz bieżącą cenę początkową.
-
Skonfiguruj RunAPI
Ustaw RUNAPI_API_KEY przed wysłaniem żądania do endpointu.
-
Zweryfikuj wynik
Dla asynchronicznych endpointów odpytuj ten sam endpoint, aż Task osiągnie stan końcowy.
Co możesz zbudować za pomocą Hermes Agent + OpenAI Transcription
-
Lektor i narracja
Zamieniaj scenariusze na mówione audio do filmów, kursów i demonstracji produktów za pomocą modeli generujących mowę.
-
Muzyka i ścieżki dźwiękowe
Twórz podkłady muzyczne i dżingle na podstawie opisu gatunku, nastroju i tempa za pomocą modeli generujących muzykę.
-
Transkrypcja i przetwarzanie audio
Transkrybuj nagrania albo oczyszczaj i przekształcaj istniejące audio za pomocą modeli, które przyjmują audio na wejściu.
Dlaczego warto używać OpenAI Transcription przez RunAPI + Hermes Agent
-
2 wariantów, jeden klucz API
Korzystaj z jednego połączenia RunAPI, aby wybierać spośród dostępnych wariantów modelu bez zmiany integracji.
-
Przejrzyste ceny użycia
Sprawdź aktualne ceny w katalogu przed wysłaniem żądania, bez subskrypcji i minimalnych wydatków.
-
Bezpośrednie odpowiedzi
Wywołania synchroniczne zwracają wynik w tej samej odpowiedzi, więc agent może od razu go użyć bez odpytywania o stan zadania.
Pytania o Hermes Agent + OpenAI Transcription
Czym różnią się Whisper-1 i GPT Transcribe?
Whisper-1 obsługuje JSON, zwykły tekst, napisy, rozszerzony JSON i wyniki ze znacznikami czasu. GPT Transcribe skupia się na JSON lub zwykłym tekście i przyjmuje podpowiedzi ze słowami kluczowymi oraz wieloma językami.
Jakie pliki audio mogę transkrybować?
Endpoint przyjmuje pliki FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV i WebM o rozmiarze do 25 MB.
Czy API może tworzyć napisy i znaczniki czasu dla słów?
Whisper-1 może zwracać napisy SRT lub VTT oraz znaczniki czasu na poziomie słów albo segmentów w rozszerzonym JSON. Te tryby wyjściowe nie są dostępne w GPT Transcribe.
Czy GPT Transcribe obsługuje nagrania wielojęzyczne?
Tak. Możesz podać wskazówkę dotyczącą jednego języka lub listę prawdopodobnych języków, a także słowa kluczowe ułatwiające rozpoznanie nazw i terminów branżowych.
Czy transkrypcja audio jest synchroniczna?
Tak. Pomyślne żądanie zwraca bezpośrednio gotową transkrypcję, bez osobnego endpointu do odpytywania o stan zadania.
Którego ID modelu użyć?
Wybierz publiczny ID modelu z tabeli wersji. Każdy ID udostępnia endpointy pokazane w jego wierszu.
Czy ten przewodnik konfiguruje model czatu?
Nie. Ta linia modeli korzysta z pokazanego procesu endpointu i nie jest przedstawiana jako model czatu agenta.