GPT-Realtime-Whisper
gpt-realtime-whisperリアルタイム文字起こし向けのストリーミング音声認識モデル
リアルタイム文字起こし向けのストリーミング音声認識モデル
パフォーマンス
より高い
速度
非常に高速
料金
$0.017
料金
入力
Audio, Text
出力
Text
GPT-Realtime-Whisper は、ライブ音声の文字起こし結果を差分として低遅延で受け取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認識モデルです。開発者が遅延と精度のバランスを調整する必要があるリアルタイム用途を想定して設計されています。GPT-Realtime-Whisper の料金は、テキストのトークン数ではなく、音声の長さに応じて決まります。
コンテキストウィンドウ：16,000
最大出力トークン数：2,000
ナレッジカットオフ：Sep 30, 2024
料金体系
料金は、モデルの種類に応じて、使用したトークン数やその他の指標に基づいて計算されます。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、ツールを呼び出すたびに料金が発生します。詳細は料金ページをご覧ください。
Realtime audio duration
Per minute
料金
$0.017
GPT-Realtime-Whisper の料金は、テキストのトークン数ではなく、音声の長さに応じて決まります。
モダリティ
Text
入力と出力
画像
非対応
Audio
入力のみ
Video
非対応
エンドポイント
Live
v1/live/sessions
Chat Completions
v1/chat/completions
Responses
v1/responses
リアルタイム
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
Batch
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
gpt-realtime-whisper
レート制限
レート制限は、一定時間内のリクエスト数、トークン数、音声の長さなどに上限を設け、誰もが公平かつ安定して API を利用できるようにする仕組みです。上限は利用ティアによって決まります。リクエスト数と API の利用額が増えると、利用ティアは自動的に上がります。
| ティア | 1 分あたりの音声の長さ（分） |
|---|---|
| Free | 非対応 |
| Build | 350 |
| Launch | 1,000 |
| Grow | 1,300 |