Open6
GPT 4o transcribeでマイク音声を文字起こしを試したい
Motoki Watanabehttps://platform.openai.com/docs/api-reference/audio/createTranscription?lang=javascript
このExampleだと音声ファイル使ってるけど、試したいのはマイクからの入力なんだよなー
なお、通常のTranscriptions APIは基本的に入力はファイルが想定されている。マイクからの入力などのリアルタイムな音声についてはRealtime APIを使用する。
自分はRealtime APIをきちんと使ったことがないため、スキップ。ただRealtime APIの場合はVADやターンテイキングなどが使えるようなので、またあらためて確認したい。
なるほど、 そもそも普通にTranscription APIつかうのだどできなくて、Realtime APIと組み合わせる必要がある？
Motoki Watanabe
OpenAIで文字起こしをするには whisper-1 、gpt-4o-mini-transcribe 、gpt-4o-transcribe の3つのモデルが使用可能
いずれもRealtime APIでストリーミング入力に対応可能で、接続方式はWebSocket
なるほど、やはりRealtime APIとの組み合わせっぽいぞ
Realtime API自体も触ったことがなくてよくわかってないぞ
Motoki WatanabeOpenAI の Realtime APIはいまもBeta版なのか
これを使わないとマイク入力使ってGPT-4o-transcribeでSpeech To Textできないよな
Azure OpenAIでもプレビュー版っぽい？