GPT-Realtime-Whisper
デフォルト
リアルタイム文字起こし向けのストリーミング音声テキスト変換モデル
リアルタイム文字起こし向けのストリーミング音声テキスト変換モデル
性能
より高い
速度
非常に高速
料金
$0.017
料金
入力
音声, テキスト
出力
テキスト
GPT-Realtime-Whisper は、ライブ音声から文字起こしの差分を低遅延で取得する必要があるアプリケーション向けのストリーミング音声テキスト変換モデルです。開発者が遅延と精度を調整する必要のあるリアルタイムのユースケース向けに設計されています。GPT-Realtime-Whisper の料金は、テキストトークン数ではなく音声の長さに基づいて決まります。
コンテキストウィンドウ：16,000
最大出力トークン数：2,000
知識のカットオフ：Sep 30, 2024
料金
料金は、使用したトークン数、またはモデルの種類に応じたその他の指標に基づいて算出されます。検索やコンピューターの使用など、特定のツール向けのモデルでは、ツール呼び出しごとに料金が発生します。詳細は料金ページをご覧ください。
リアルタイム音声の長さ
分 あたり
料金
$0.017
GPT-Realtime-Whisper の料金は、テキストトークン数ではなく音声の長さに基づいて決まります。
モダリティ
テキスト
入力と出力
画像
非対応
音声
入力のみ
動画
非対応
エンドポイント
ライブ
v1/live/sessions
Chat Completions
v1/chat/completions
Responses
v1/responses
Realtime
v1/realtime
リアルタイム翻訳
v1/realtime/translations
リアルタイム文字起こし
v1/realtime/transcription_sessions
Assistants
v1/assistants
バッチ
v1/batch
ファインチューニング
v1/fine-tuning
埋め込み
v1/embeddings
画像生成
v1/images/generations
動画
v1/videos
画像編集
v1/images/edits
音声生成
v1/audio/speech
文字起こし
v1/audio/transcriptions
翻訳
v1/audio/translations
モデレーション
v1/moderations
Completions（レガシー）
v1/completions
機能
ストリーミング
対応
Function Calling
非対応
構造化出力
非対応
ファインチューニング
非対応
予測出力
非対応
スナップショット
スナップショットを使うと、モデルを特定のバージョンに固定し、性能と動作の一貫性を維持できます。以下は、GPT-Realtime-Whisper で利用可能なすべてのスナップショットとエイリアスの一覧です。
gpt-realtime-whisper
gpt-realtime-whisper
gpt-realtime-whisper
レート制限
レート制限は、一定期間内のリクエスト数、トークン数、音声の長さなどの利用量に上限を設けることで、API への公平で安定したアクセスを確保します。上限値は利用ティアによって決まります。利用ティアは、リクエスト数と API の利用金額が増えるにつれて自動的に上がります。
| ティア | 1 分あたりの音声時間（分） |
|---|---|
| 無料 | 非対応 |
| ティア 1 | 100 |
| ティア 2 | 350 |
| ティア 3 | 650 |
| ティア 4 | 1,000 |
| ティア 5 | 1,300 |