本文へスキップ

openai/gpt-live-transcribe/realtime-transcription

GPT Live Transcribe は発話中に文字を逐次返し、言語、専門用語、背景のヒントと字幕の遅延を設定できます。

最低価格 $0.00006/秒公式価格より 80% 安い

プレイグラウンド

入力

リアルタイム転写
0/2048
GPT Live Transcribe — 録音の話題や用語を説明します。発話の推測、要約や回答の依頼は書きません。 2048 文字以内
1/1
1 / 1 ファイル
GPT Live Transcribe — 単輪転写には対応符号化の短い WAV を渡します。ライブ入力は転写 WebSocket を使います。 1 文字以上
料金に影響
GPT Live Transcribe — 各音声段の受理上限は 1~60 秒です。最終報告の秒数で精算し、途中でも commit できます。 1 以上 · 60 以下
セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち
サンプル出力
モデルの応答

関連モデルと次のステップ

お探しのモデルが見つかりませんか?

GPT Live Transcribe は発話中に文字を逐次返し、言語、専門用語、背景のヒントと字幕の遅延を設定できます。

主なスペック

音声段の上限
60s

できること

話し終える前から届く字幕

delay は、文字を出す前にどれだけ発話を待つかを調整します。短い設定では字幕が早く現れ、長い設定ではより多くの音声を踏まえて次の断片を表示します。途中の文字列は暫定表示として扱い、後続処理には commit 後の確定文を使用してください。遅延の各段階が固定のミリ秒を保証するわけではありません。 背景には会議や製品説明の話題を書き、キーワードには固有名詞の正しい綴りを指定できます。複数の言語ヒントは、話者が言語を切り替える場面にも役立ちます。これらは実際の発話を認識する手掛かりであり、話していない単語を挿入する指示ではありません。音声の返答、話者ラベル、単語ごとの時刻、信頼度は出力しません。

活用シーン

  • ウェビナーの字幕表示

    ウェビナーの字幕では、短いマイク音声を送り、未確定の部分と確定済みの字幕を視覚的に区別します。アプリが決めた区切りで commit すれば、編集者は最終文と対応する会話の範囲を追えます。

  • 専門用語を扱う担当者画面

    担当者用の画面では、話し始める前に製品名と想定言語を設定します。完了した段を担当者が確認してから、記録へ保存したり、別の業務処理へ渡したりします。

モデルリファレンス

GPT Live Transcribe API リファレンス

GPT Live Transcribe API の呼び出し方

  1. プロンプトガイドと実践のヒント

    音声の話題を短く説明し、必要な名称は普段の表記で列挙してください。発話全体を推測して prompt に書くと、実際には話されていない内容へ認識を誘導するおそれがあります。2 言語が切り替わる場合は両方のヒントを渡し、名前、数字、文の区切りを実音声で確認します。 遅延は実際のマイク、間、環境音で比較します。本接続では自動 VAD を使わず、1~60 秒の上限内で明示的に commit します。PCM は 24 kHz・16-bit・モノラル、G.711 は 8 kHz に合わせます。同じ符号化の短い WAV で単輪タスクも試せます。料金は最終報告の音声秒数で精算し、必要な文字起こしだけを保存してください。

GPT Live Transcribe API のよくある質問

GPT のすべてのモデル18

テキストモデル11