La transcription convertit la parole en texte. Choisissez votre workflow selon que vous disposez déjà d’un enregistrement ou que vous recevez l’audio en direct. Pour chaque workflow, un modèle est recommandé pour démarrer.
Choisissez un workflow de transcription
| Workflow | Quand l’utiliser | Modèle recommandé |
|---|---|---|
| Transcription de fichiers | Vous disposez d’un enregistrement terminé ou votre requête porte sur un segment audio délimité. Envoyez le fichier pour recevoir la transcription finale ou obtenir le texte au fur et à mesure du traitement. | gpt-transcribe |
Transcription en temps réel | Vous recevez un flux audio en direct depuis un microphone, un appel ou une autre source et souhaitez obtenir le texte à mesure que les personnes parlent. | gpt-live-transcribe |
Vous pouvez choisir de recevoir le texte en continu indépendamment de la source audio. Vous pouvez ainsi recevoir la transcription d’un fichier déjà enregistré au fil du traitement sans ouvrir de session Realtime. Utilisez Realtime uniquement si vous recevez l’audio en direct ou si vous avez besoin d’une connexion persistante.
Choisissez une fonctionnalité spécialisée
Commencez par le modèle recommandé pour votre workflow :
| Si vous souhaitez | Utilisez |
|---|---|
| Détecter les langues de l’audio d’entrée | gpt-transcribe avec la transcription de fichiers. |
| Transcrire un tour de parole validé via WebSocket | gpt-transcribe avec la transcription en temps réel. |
Les intégrations existantes peuvent également utiliser gpt-realtime-whisper dans les environnements qui le prennent en charge. Ce modèle n’est pas recommandé pour démarrer une nouvelle intégration de transcription.
Intégrations existantes utilisant des modèles obsolètes
whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe,
gpt-4o-transcribe-diarize et /v1/audio/translations sont obsolètes et
seront mis hors service le 26 février 2027. Consultez l’avis de
dépréciation. Pour toute
nouvelle intégration, utilisez le workflow de transcription de fichiers ou de
transcription en temps réel recommandé ci-dessus.
Les intégrations existantes peuvent utiliser les workflows présentés dans les exemples ci-dessous jusqu’à la date de mise hors service annoncée. Avant de migrer, vérifiez les formats de sortie et les métadonnées dont votre application a besoin. Changer uniquement l’identifiant du modèle ne suffit pas à conserver toutes les fonctionnalités.
| Si vous souhaitez | Utilisez |
|---|---|
| Obtenir une transcription qui indique qui parle | gpt-4o-transcribe-diarize avec la transcription de fichiers. |
Obtenir un horodatage pour chaque mot ou des sous-titres aux formats srt et vtt |
whisper-1 avec la transcription de fichiers. |
| Traduire un enregistrement terminé vers l’anglais | whisper-1 avec le point de terminaison de traduction audio. |
Pour la traduction, migrez vers la traduction en temps réel. Elle utilise une session de traduction et un point de terminaison distinct, à la place du workflow d’envoi de fichiers de /v1/audio/translations.
Consultez les tarifs de transcription et testez le workflow recommandé avec des échantillons audio représentatifs avant d’y acheminer le trafic de production.
Améliorez la qualité de la transcription
gpt-transcribe et gpt-live-transcribe acceptent trois types d’informations contextuelles :
prompt: décrivez librement le contexte de l’enregistrement, par exemple son sujet ou les circonstances dans lesquelles il a été réalisé.keywords: indiquez les termes exacts susceptibles d’apparaître dans l’audio, par exemple des noms de produits, des noms de médicaments ou des acronymes.languages: indiquez les langues attendues sous forme de liste si l’enregistrement peut en contenir plusieurs.
Limitez ces informations au contexte pertinent pour l’audio et évitez de répéter la consigne de transcription. Les mots-clés servent d’indices. La transcription ne doit inclure un mot-clé que s’il est prononcé dans l’audio.
Ces modèles utilisent languages à la place du champ language au singulier. Les modèles de transcription existants qui acceptent une seule indication de langue continuent d’utiliser language.
Lorsque gpt-transcribe transcrit l’audio d’entrée dans une session de la Realtime API ou fonctionne dans une session dédiée à la transcription, il utilise automatiquement les tours de parole déjà transcrits comme contexte.
Testez la transcription avec des échantillons audio représentatifs
Testez la transcription dans les conditions audio que rencontrera votre application. Incluez dans vos tests :
- Les langues et les accents ciblés, ainsi que les façons dont les locuteurs passent d’une langue à l’autre.
- Le bruit de fond, différentes qualités de microphone et des extraits d’appels téléphoniques.
- Des noms, des nombres, des dates, des chaînes alphanumériques et des termes propres à votre domaine.
- Des énoncés courts, des enregistrements longs et des prises de parole interrompues.
Suivez les erreurs qui ont des conséquences pour votre application, sans vous limiter au taux d’erreur sur les mots. Par exemple, testez la transcription des noms de médicaments dans un workflow de santé ou des numéros de commande dans un workflow d’assistance.