OpenAI: GPT Transcribe
OpenAI's recommended default for file transcription, 25% cheaper than GPT-4o Transcribe, with context hints (prompt, keywords, expected languages) and available synchronously and streaming.
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。
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
Transcribes spoken audio to text.
speech_to_text
Transcribes a fully-submitted audio file in a single synchronous request via POST /v1/audio/transcriptions.
synchronous
Multilingual transcription with automatic language detection; accepts expected-language hints for code-switching audio.
multilingual_transcription
Real-time transcription over the WebSocket Realtime API (post-turn transcription with language detection).
streaming
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-transcribe",
languageCode: "en"
}, {
queryParams: {
provider: {
"only": [
"openai"
]
}
}
});
// Send audio frames to connection, then handle transcript events.