OpenAI
Whisper Large V3 Turbo
صدا به متن · پیادهسازی سریع و اقتصادی
کاربردصدا به متن
دسترسیهمهٔ طرحها با اعتبار کافی
پنجرهٔ زمینهٔ ارائهدهندهوابسته به مدل و نوع ورودی
هزینه در سارویاز اعتبار مشترک حساب
این مدل را برای چه کاری انتخاب کنم؟
صدا به متن · پیادهسازی سریع و اقتصادی. پیش از استفادهٔ گسترده، چند نمونه از ورودی واقعی محصول خودت را در آزمایشگاه مقایسه کن.
تنظیمات همین مدل
| مسیر | POST /v1/audio/transcriptions |
|---|---|
| قالب خروجی | text |
| راهنمای لحن | راهنمای جداگانه ندارد؛ حالت صدا را در انتخاب گوینده بررسی کنید. |
| گویندهها در هر درخواست | انتخاب گوینده ندارد |
| ورودی صوتی | mp3 · wav · m4a · webm · ogg · flac · aac؛ حداکثر ۱۴ مگابایت، Base64 بدون پیشوند data URL |
| سرعت عددی | speed: 1؛ برای Gemini آهنگ و سرعت خواندن را در instructions توضیح دهید. |
model را صریح تعیین کنید. language اختیاری است؛ fa برای فارسی یا حذف آن برای تشخیص خودکار. خروجی text به زبان اصلی گفتار است.
درخواست آماده
شناسهٔ دقیق مدل را کپی کن و کلید ساروی را در متغیر محیطی سرورت قرار بده.
Model ID
openai/whisper-large-v3-turboPython
import json, os, urllib.request, urllib.error
payload = {
"model": "openai/whisper-large-v3-turbo",
"audioBase64": "YOUR_BASE64_AUDIO_DATA",
"mediaType": "audio/wav",
"language": "fa"
}
request = urllib.request.Request(
"https://api.sarovi.ir/v1/audio/transcriptions",
data=json.dumps(payload, ensure_ascii=False).encode("utf-8"),
headers={
"Authorization": "Bearer " + os.environ["SAROVI_API_KEY"],
"Content-Type": "application/json"
},
method="POST"
)
try:
with urllib.request.urlopen(request, timeout=300) as response:
result = json.load(response)
print(result)
except urllib.error.HTTPError as error:
detail = json.load(error)
raise RuntimeError(f"{error.code}: {detail['error'].get('code', detail['error'].get('type', 'HTTP_ERROR'))}") from errorکلید را در متغیر محیطی SAROVI_API_KEY قرار بده. بدون نصب کتابخانه؛ با Python استاندارد.
امکانها در API ساروی
| مسیر اصلی | POST /v1/audio/transcriptions |
|---|---|
| خروجی | متن در JSON |
| جریان پاسخ | خروجی JSON؛ ویدیو با پیگیری وضعیت |
| دستورالعمل نقش | در متن prompt یا text |
| صورتحساب | رزرو اعتبار، سپس تسویهٔ مصرف در دفتر حساب ساروی |
فراخوانی ابزار و JSON Schema برای مدلهای پشتیبان از مسیر chat/completions و قرارداد پیشرفتهٔ responses در دسترساند. قابلیتهای ارائهدهنده و محدودیتهای هر مسیر را پیش از اجرا بررسی کنید.
