Характеристики
- Входные данные
- аудио
- Результат
- текст
Стоимость промпта
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';
async function main() {
const { text } = await openai.audio.transcriptions.create({
file: fs.createReadStream('/path/to/file.mp3'),
model: 'whisper-1',
});
console.log(text);
}main();
Как работает Whisper 1?
Частые вопросы о Whisper 1
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Whisper 1 — модель для преобразования аудио в текст. Подходит для транскрибации интервью, подкастов, лекций, стенограмм и автоматических субтитров. Работает с разными типами аудио и удобна, если вы хотите быстро получить текстовую расшифровку из звуковой дорожки.
В наших данных указан предел выходных токенов, равный 4096, поэтому теоретически модель может сгенерировать текст до этого объёма. На практике длина расшифровки зависит от длительности аудио и формата ответа, поэтому реальное ограничение определяется вашим входным файлом.
В наших данных не отмечено, что Whisper 1 выполняет рассуждения перед выводом. Это прежде всего модель преобразования аудио в текст, она ориентирована на точную транскрибацию, а не на ведение длинных цепочек рассуждений. Для вас это значит, что вы получаете буквальную расшифровку.
В наших данных не отмечено, что модель поддерживает встроенный вызов функций или структурированный JSON-вывод. Вы можете постобработать полученную текстовую расшифровку и преобразовать её в JSON на стороне вашего приложения или через API‑обёртку.
Whisper 1 принимает аудио на вход. Если у вас есть видео, можно использовать его после извлечения аудиодорожки. Прямой приём изображений в наших данных не отмечен, поэтому для работы с картинками требуется отдельная модель или предварительная обработка.
В наших данных прямых сведений нет, но Whisper 1 как модель распознавания речи обычно хорошо справляется с русской речью в типичных условиях. Качество транскрипции для вас зависит от чистоты записи, фоновых шумов, дикции и акцента; при шуме возможны ошибки.