Сравниваем способы распознавания речи в OpenAI API

О чём урок

Этот notebook представляет собой понятное практическое руководство для начинающих по быстрому старту с Speech-to-Text (STT) с использованием OpenAI API. Вы изучите различные практические методы, сценарии их использования и важные аспекты. По завершении вы сможете выбрать и применить подходящий метод транскрипции для ваших сценариев использования. Примечание: Этот notebook использует аудиофайлы WAV для простоты. Он **не** демонстрирует потоковую передачу звука с микрофона в реальном времени (например, из веб-приложения или прямого ввода с микрофона). Этот notebook использует WebSockets для подключения к Realtime API. В качестве альтернативы можно использовать WebRTC; подробности см. в документации OpenAI. Режим Задержка до **первого token** Лучше всего подходит для (реальные примеры) Преимущества Ключевые ограничения файла + stream=False (блокирующий) секунды Голосовая почта, записи совещаний Простота настройки • Нет частичных результатов, пользователи ничего не видят до завершения обработки файла • Максимум 25 МБ на запрос (длинное аудио необходимо разбивать на части) файла + stream=True доли секунды Голосовые заметки в мобильных приложениях Простота настройки и ощущение «живого» общения благодаря token streaming • Все еще требует завершенного файла • Вы реализуете индикаторы прогресса / загрузку по частям Realtime WebSocket доли секунды Субтитры в реальном времени на вебинарах Истинный real-time; принимает непрерывный аудиопоток • Аудио должно быть pcm16, g711_ulaw или g711_alaw • Сессия ≤ 30 мин, требуется переподключение и «сшивание» • Вы самостоятельно обрабатываете форматирование смены говорящих для создания полной транскрипции Agents SDK VoicePipeline доли секунды Внутренний помощник службы поддержки Real-time streaming и простота создания agentic workflows • Бета-версия только для Python • Поверхность API может измениться Чтобы настроить окружение, раскомментируйте и запустите следующую cell в новом Python-окружении: Это устанавливает необходимые пакеты для работы с данным notebook. Прежде чем продолжить, убедитесь, что вы установили свой OpenAI API key в качестве переменной окружения с именем OPENAI_API_KEY. Обычно это можно сделать в вашем терминале или notebook-окружении: export OPENAI_API_KEY="your-api-key-here" Убедитесь, что ваш API key установлен правильно, запустив следующую cell.

План урока

1. Обзор
2. 📊 Краткий обзор
3. Установка (однократная)
4. Аутентификация
5. 1 · Speech-to-Text с аудиофайлом
6. Когда использовать
7. Как это работает
8. Преимущества