Whisper 1
нейрожелі
Сипаттамалары
- Кіріс деректер
- аудио
- Нәтиже
- мәтін
Промптың құны
(1М токенге қарай)
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();
Қалай жұмыс істейді Whisper 1?
Whisper 1 туралы жиі қойылатын сұрақтар
Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.
Whisper 1 — аудионы мәтінге түрлендіруге арналған модель. Ол сұхбаттарды, подкасттарды, дәрістерді, стенограммаларды транскрипциялауға және автоматты субтитрлер жасауға жарамды. Әртүрлі аудио түрлерімен жұмыс істейді және дыбыстық жолдан мәтіндік транскрипцияны жылдам алғыңыз келсе, өте ыңғайлы.
Біздің деректерде шығыс токендерінің шегі 4096 деп көрсетілген, сондықтан теориялық тұрғыдан модель осы көлемге дейінгі мәтінді генерациялай алады. Іс жүзінде транскрипцияның ұзындығы аудионың ұзақтығы мен жауап пішіміне байланысты, сондықтан нақты шектеу кіріс файлыңызбен анықталады.
Біздің деректерде Whisper 1-дің жауап берер алдында пайымдау жасайтыны туралы ақпарат жоқ. Бұл ең алдымен аудионы мәтінге түрлендіретін модель, ол ұзақ пайымдау тізбектерін жүргізуге емес, дәл транскрипциялауға бағытталған. Бұл сіз үшін тікелей транскрипция алатыныңызды білдіреді.
Біздің деректерде модельдің кіріктірілген функция шақыруды немесе құрылымдық JSON-шығысты қолдайтыны туралы ақпарат жоқ. Сіз алынған мәтіндік транскрипцияны өңдеп, оны қолданбаңыздың тарапында немесе API-орамасы арқылы JSON пішіміне түрлендіре аласыз.
Whisper 1 кіріс ретінде аудионы қабылдайды. Егер сізде бейне болса, аудиожолды шығарып алғаннан кейін оны пайдалануға болады. Суреттерді тікелей қабылдау туралы біздің деректерде айтылмаған, сондықтан суреттермен жұмыс істеу үшін жеке модель немесе алдын ала өңдеу қажет.
Біздің деректерде тікелей мәліметтер жоқ, бірақ Whisper 1 сөйлеуді тану моделі ретінде әдетте орыс тіліндегі сөйлеуді қалыпты жағдайда жақсы түсінеді. Сіз үшін транскрипция сапасы жазбаның тазалығына, фондық шуларға, дикцияға және акцентке байланысты; шу болған жағдайда қателіктер орын алуы мүмкін.