OpenAI: Whisper
openai/whisper-1
提供中
stt
1プロバイダー
OpenAI's general-purpose open-source multilingual speech recognition model, synchronous only and the only OpenAI STT model returning word-level timestamps.
作成者OpenAI
言語1言語
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
4個のパラメーター
openai
$0.36
—
同期
対応言語
1言語
English
en
機能
Speech to text
Transcribes spoken audio to text.
speech_to_text
Synchronous
Transcribes a fully-submitted audio file in a single synchronous request via POST /v1/audio/transcriptions.
synchronous
Multilingual transcription
Supports 99 languages.
multilingual_transcription
Word-level timestamps
Returns word-level timestamps via verbose_json + timestamp_granularities.
word_timestamps
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/whisper-1",
languageCode: "en"
}, {
queryParams: {
provider: {
"only": [
"openai"
]
}
}
});
// Send audio frames to connection, then handle transcript events.