Урок из полного доступа, первые уроки курса бесплатно Официальный курс OpenAI Academy на русском
Урок 206 · Текст · ~5 мин

Переход с Whisper на GPT-Transcribe

Урок 206 из 303 курса «OpenAI Cookbook»: официальный курс OpenAI Academy (ОпенАИ) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Новые модели транскрипции от OpenAI предоставляют существующим пользователям Whisper два целенаправленных пути обновления. GPT-Transcribe (gpt-transcribe) предназначен для точной транскрипции завершенного аудио через загруженные файлы. GPT-Live-Transcribe (gpt-live-transcribe) разработан для транскрипции в реальном времени с низкой задержкой и непрерывным потоком.

На высоком уровне, API endpoints остаются прежними. Запросы файлов по-прежнему используют POST /v1/audio/transcriptions. Интеграции Realtime продолжают настраивать сессию транскрипции и обрабатывать события транскрипции. Отличия заключаются в поддерживаемых полях запроса, форматах вывода и контекстных/многоязычных подсказках.

  • Транскрипция файлов использует существующий Audio API transcription endpoint.
  • Транскрипция Realtime использует существующую Realtime transcription session, транспорт WebSocket или WebRTC и события транскрипции.
  • Приложения по-прежнему предоставляют аудио, получают текст транскрипции и обрабатывают ошибки API или подключения.
  • Используйте gpt-transcribe для завершенных файлов, потоковых транскрипций файлов или зафиксированных Realtime turns.
  • Используйте gpt-live-transcribe для непрерывной потоковой транскрипции в реальном времени с низкой задержкой.
  • Замените устаревшую подсказку language на массив languages новой модели.
  • Используйте prompt для свободного контекста и keywords для буквальных терминов, ожидаемых в аудио.
  • Обрабатывайте вывод обнаруженного языка для GPT-Transcribe, включая пустой массив languages.
  • Записанные встречи, звонки или загруженное аудио: мигрируйте whisper-1 на gpt-transcribe через POST /v1/audio/transcriptions.
  • Субтитры в реальном времени или непрерывно поступающее аудио с микрофона: мигрируйте gpt-realtime-whisper на gpt-live-transcribe в Realtime transcription session.
  • Транскрипция с более высокой точностью после вручную зафиксированного audio turn: используйте gpt-transcribe в Realtime transcription session через WebSocket. Рассматривайте живое аудио и потоковый вывод как отдельные решения. Завершенный файл может генерировать события потоковой транскрипции, а Realtime session может ожидать фиксации audio turn перед генерацией дельт.

Минимальная миграция файлов сохраняет endpoint, вызов SDK и загрузку файла. Замените идентификатор модели, затем обработайте JSON-ответ транскрипции.

  • Python 3.11 или новее.
  • OpenAI Python SDK: python -m pip install --upgrade openai.
  • Переменная среды OPENAI_API_KEY.
  • Завершенная запись с именем meeting.wav, или обновите audio_path, чтобы она указывала на ваш собственный файл.
  • Доступ к моделям…

План урока

  1. Обзор
  2. Что остается неизменным
  3. Что меняется
  4. 1. Выберите путь миграции
  5. 2. Миграция записанного аудио
  6. Предварительные условия
  7. 3. Обновление языковых подсказок и контекста предметной области
  8. 4. Потоковая транскрипция завершенного файла

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы OpenAI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от OpenAI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды