codecamp

OpenAI 音频转录流式事件

转录流式事件

事件:transcript.text.segment

说话人分离转录返回带说话人信息的完整片段时发出。仅在创建转录时将stream设为true,且response_format设为diarized_json时发出。

结构定义

结构名称:TranscriptTextSegmentEvent

  • id: string

片段的唯一标识。

  • end: number(双精度浮点数)

片段结束时间戳,单位为秒。

  • speaker: string

此片段的说话人标签。

  • start: number(双精度浮点数)

片段开始时间戳,单位为秒。

  • text: string

此片段的转录文本。

  • type: "transcript.text.segment"

事件类型,固定为transcript.text.segment。

  • "transcript.text.segment"

示例

中文说明:以下为原文配置、命令或事件示例,字段名、枚举、标识符及数值保留。

代码内文字译释:

  • 你好,我需要说话人分离方面的帮助。

{
  "type": "transcript.text.segment",
  "id": "seg_002",
  "start": 5.2,
  "end": 12.8,
  "text": "Hi, I need help with diarization.",
  "speaker": "A"
}

事件:transcript.text.delta

有新增文本增量时发出,也是转录开始后发出的首个事件。仅在创建转录时将Stream参数设为true时发出。

结构定义

结构名称:TranscriptTextDeltaEvent

  • delta: string

新增转录的文本增量。

  • type: "transcript.text.delta"

事件类型,固定为transcript.text.delta。

  • "transcript.text.delta"

  • logprobs: optional array of object { token, bytes, logprob }

增量的对数概率。仅在创建转录时将include[]设为logprobs时包含。

  • token: optional string

用于计算对数概率的词元。

  • bytes: optional array of number

用于计算对数概率的字节。

  • logprob: optional number

词元的对数概率。

  • segment_id: optional string

此增量所属的说话人分离片段标识。仅在使用gpt-4o-transcribe-diarize时存在。

示例

中文说明:以下为原文配置、命令或事件示例,字段名、枚举、标识符及数值保留。

代码内文字译释:

  • wonderful:美好的。(原词元保留开头空格。)

{
  "type": "transcript.text.delta",
  "delta": " wonderful"
}

事件:transcript.text.done

转录完成时发出,包含完整转录文本。仅在创建转录时将Stream参数设为true时发出。

结构定义

结构名称:TranscriptTextDoneEvent

  • text: string

转录得到的文本。

  • type: "transcript.text.done"

事件类型,固定为transcript.text.done。

  • "transcript.text.done"

  • languages: optional array of TranscriptionLanguage

音频中检测到的语言,由gpt-transcribe返回。空数组表示无法可靠检测出任何语言。

  • code: string

音频中检测到的语言代码。

  • logprobs: optional array of object { token, bytes, logprob }

转录中各词元的对数概率。仅在创建转录时将include[]设为logprobs时包含。

  • token: optional string

用于计算对数概率的词元。

  • bytes: optional array of number

用于计算对数概率的字节。

  • logprob: optional number

词元的对数概率。

  • usage: optional object { input_tokens, output_tokens, total_tokens, 2 more }

按词元用量计费的模型的用量统计。

  • input_tokens: integer

本次请求计费的输入词元数量。

  • output_tokens: integer

生成的输出词元数量。

  • total_tokens: integer

使用的总词元数量,即输入加输出。

  • type: "tokens"

用量对象类型,此变体固定为tokens。

  • "tokens"

  • input_token_details: optional object { audio_tokens, text_tokens }

本次请求计费输入词元的详情。

  • audio_tokens: optional integer

本次请求计费的音频词元数量。

  • text_tokens: optional integer

本次请求计费的文本词元数量。

示例

中文说明:以下为原文配置、命令或事件示例,字段名、枚举、标识符及数值保留。

代码内文字译释:

  • 我看见蓝天白云,明亮美好的白昼、幽暗神圣的夜晚;我心想,这世界多么美好。

{
  "type": "transcript.text.done",
  "text": "I see skies of blue and clouds of white, the bright blessed days, the dark sacred nights, and I think to myself, what a wonderful world.",
  "usage": {
    "type": "tokens",
    "input_tokens": 14,
    "input_token_details": {
      "text_tokens": 10,
      "audio_tokens": 4
    },
    "output_tokens": 31,
    "total_tokens": 45
  }
}
OpenAI 创建语音接口
OpenAI 创建音色授权录音
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

其他能力与进阶指南

Embeddings 接口参考

审计日志接口参考

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }