GPT Live Transcribe
Модель OpenAI для потокового распознавания живой речи: текст появляется по мере того, как человек говорит.
GPT Live Transcribe — потоковая модель распознавания речи от OpenAI для приложений, которым нужна расшифровка живого звука с минимальной задержкой. Вместо готовой расшифровки файла она отдаёт текст небольшими фрагментами прямо во время разговора, поэтому подходит для субтитров, заметок со встреч, колл-центров и голосовых интерфейсов.
Задержку можно настраивать: чем она меньше, тем быстрее появляется текст, а при увеличении растёт точность. Модель принимает дополнительный контекст в свободной форме, подсказки с ключевыми словами и несколько языков сразу, что помогает с терминами, именами и смешанной речью. Доступна разработчикам через API.
Возможности
Потоковая расшифровка
Текст приходит частями по мере поступления звука, без ожидания конца записи.
Настраиваемая задержка
Баланс между скоростью появления текста и точностью выбирается под задачу.
Контекст и ключевые слова
Свободный контекст и список терминов помогают правильно распознавать имена и профессиональную лексику.
Подсказки по языкам
Можно указать сразу несколько языков, на которых может звучать речь.
Доступ через API
Подключается к сессиям расшифровки в реальном времени в Realtime API.
Кому подойдёт
- Разработчики
Встраивают расшифровку живой речи в приложения, звонки и голосовых помощников.
- Служба поддержки
Получают текст разговоров с клиентами в реальном времени для подсказок операторам и контроля качества.
- Видеомонтажёры и видеоблогеры
Делают субтитры для прямых эфиров и онлайн-мероприятий.
Как начать
- Получить ключ API OpenAI.
- Открыть сессию расшифровки в реальном времени через Realtime API.
- Указать модель gpt-live-transcribe, языки, контекст и ключевые слова.
- Передавать аудио потоком и принимать фрагменты текста.
Тарифы
Лимиты запросов растут с уровнем использования аккаунта.
Ограничения
- Работает только в сессиях расшифровки в реальном времени; другие интерфейсы API модель не поддерживают.
- Нужен ключ API и оплата по использованию.
- Вход — аудио и текст, выход — только текст.
Платформы и интеграции
Семейство
Соседи по смыслу
за последний месяц