Транскрипция

Доступные models

Полный список моделей можно посмотреть на странице Модели или получить динамически через API эндпоинты: https://openai.bothub.chat/v1/models и https://bothub.chat/api/v2/replicate/v1/models

Транскрипция — это процесс преобразования аудио или речи в текст. С помощью доступной модели вы можете автоматически распознавать речь из: голосовых сообщений, интервью и подкастов, звонков и встреч, видео и стримов и диктофонных записей.

Это удобно для создания субтитров, поиска по аудио, автоматизации поддержки пользователей и обработки голосового контента. В настоящее время для транскрипции доступна модель:

• whisper-1

Модель поддерживает множество языков, умеет распознавать шумную речь и хорошо подходит как для коротких, так и для длинных аудиофайлов.

---

Поддерживаемые форматы файлов

API поддерживает популярные аудиоформаты: mp3, mp4, mpeg, mpga, m4a, wav, webm.

---

Пример транскрипции

JS

import OpenAI from 'openai';
import fs from 'fs';

const openai = new OpenAI({
  apiKey: 'ВАШ_API_КЛЮЧ_BOTHUB',
  baseURL: 'https://openai.bothub.chat/v1'
});

async function main() {
  const { text } = await openai.audio.transcriptions.create({
    file: fs.createReadStream("/path/to/file.mp3"),
    model: "whisper-1",
  });

  console.log(text)
}

main();

Python

from openai import OpenAI

client = OpenAI(
    api_key='ВАШ_API_КЛЮЧ_BOTHUB',
    base_url='https://openai.bothub.chat/v1'
)

audio_file = open("/path/to/file.mp3", "rb")

transcript = client.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file
)

print(transcript.text)

Go

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go"
	"github.com/openai/openai-go/option"
)

func main() {
	client := openai.NewClient(
		option.WithAPIKey("ВАШ_API_КЛЮЧ_BOTHUB"),
		option.WithBaseURL("https://openai.bothub.chat/v1"),
	)

	file, err := os.Open("/path/to/file.mp3")
	if err != nil {
		panic(err)
	}
	defer file.Close()

	transcription, err := client.Audio.Transcriptions.New(context.Background(), openai.AudioTranscriptionNewParams{
		Model: openai.AudioModelWhisper1,
		File:  openai.File(file, "file.mp3", "audio/mpeg"),
	})
	if err != nil {
		panic(err)
	}

	fmt.Println(transcription.Text)
}

cURL

curl https://openai.bothub.chat/v1/audio/transcriptions \
  -H "Authorization: Bearer <your access token>" \
  -H "Content-Type: multipart/form-data" \
  -F file="@/path/to/file.mp3" \
  -F model="whisper-1"

---

Основные параметры

Параметр	Тип	Описание
file	file	Аудиофайл для транскрипции
model	string	Модель распознавания речи (whisper-1)
language	string	Язык аудио в формате ISO-639-1 (необязательно)
prompt	string	Дополнительный контекст для улучшения распознавания
response_format	string	Формат ответа (json, text, srt, verbose_json, vtt)
temperature	number	Уровень вариативности генерации

---

Рекомендации

к сведению

Для более точной транскрипции рекомендуется:

• использовать качественный источник аудио
• минимизировать посторонние шумы
• указывать язык через параметр language
• разбивать длинные записи на несколько частей

Официальную документацию OpenAI можно посмотреть здесь