OpenAI: GPT Live Transcribe
openai/gpt-live-transcribe
提供中
stt
1プロバイダー
OpenAI's recommended default for live speech-to-text, with tunable latency (delay levels) and context hints, streaming only.
作成者OpenAI
言語multilingual
ステータス提供中
プロバイダー
同じモデルを複数のプロバイダーがホストしている場合があります。バックエンドを固定したい場合は1つのプロバイダーを選び、そうでなければルーティングに選択を任せられます。
プロバイダーSlug1時間あたりレイテンシiTTSのレイテンシは音声の最初のバイトが届くまでの時間、STTのレイテンシは最初のトークンが届くまでの時間で計測しています。モード稼働率
OpenAI
2個のパラメーター
openai
$1.02
—
ストリーミング
対応言語
このモデルの確認済み言語リストはまだありません。
機能
Speech to text
Transcribes spoken audio to text.
speech_to_text
Streaming
Real-time transcription over the WebSocket Realtime API.
streaming
Multilingual transcription
Multilingual transcription with automatic language detection.
multilingual_transcription
Tunable latency
The delay parameter trades latency against accuracy: minimal, low, medium, high, or xhigh.
tunable_latency
Context hints
Steers transcription with prompt (free-form context about the recording), keywords (literal terms that may appear in the audio, e.g. product names), and languages (expected ISO 639-1 codes).
context_hints
コード
ElevenLabs SDKでのストリーミングSTT
マイクまたはファイルの音声を、ElevenLabs互換のAllModelsルート経由でストリーミングします。
import { ElevenLabsClient } from "elevenlabs";
const client = new ElevenLabsClient({
apiKey: process.env.ALLMODELS_API_KEY,
baseUrl: "https://api.allmodels.io/el"
});
const connection = await client.speechToText.realtime.connect({
modelId: "openai/gpt-live-transcribe",
languageCode: "en"
}, {
queryParams: {
provider: {
"only": [
"openai"
]
}
}
});
// Send audio frames to connection, then handle transcript events.