{"id":20169,"date":"2026-09-30T03:22:22","date_gmt":"2026-09-30T07:22:22","guid":{"rendered":"https:\/\/wp.glbgpt.com\/?p=20169"},"modified":"2026-09-30T03:22:23","modified_gmt":"2026-09-30T07:22:23","slug":"openai-audio-api","status":"publish","type":"post","link":"https:\/\/wp.glbgpt.com\/it\/hub\/openai-audio-api","title":{"rendered":"API audio OpenAI: caratteristiche, prezzi e modalit\u00e0 d'uso"},"content":{"rendered":"

GUIDA ALL'API AUDIO \u00b7 AGGIORNATA IL 29 SETTEMBRE 2026<\/p>\n\n\n\n

Hai bisogno di trasformare una registrazione in testo, aggiungere una voce fuori campo a un video o consentire ai clienti di interagire con un assistente AI? Il API audio OpenAI<\/strong> offre agli sviluppatori diverse modalit\u00e0 per gestire il riconoscimento vocale, ma ogni attivit\u00e0 utilizza un modello, una richiesta e un'unit\u00e0 di fatturazione diversi.<\/p>\n\n\n\n

Inizia dall\u2019attivit\u00e0 che desideri portare a termine. Di seguito troverai i principali endpoint, le opzioni di modello attualmente disponibili, esempi in Python e i calcoli dei prezzi. Se la tua app necessita anche di voci, modelli di chat, immagini o video di altri fornitori, il API GlobalGPT<\/a> offre un\u2019alternativa: un unico punto di accesso all\u2019API che integra le operazioni audio con tali servizi.<\/p>\n\n\n\n

\n

Risposta rapida:<\/strong> Utilizza OpenAI \/v1\/audio\/trascrizioni<\/code> per il parlato registrato, \/v1\/audio\/discorso<\/code> per il parlato sintetizzato, e \/v1\/audio\/traduzioni<\/code> per la traduzione di registrazioni in testo inglese. Per una conversazione orale in tempo reale, scegli una sessione vocale live. GlobalGPT fornisce anche un'API per le attivit\u00e0 audio, con un proprio catalogo di modelli e un proprio formato di richiesta.<\/p>\n<\/div>\n\n\n\n

\n

In questa pagina<\/strong><\/p>\n\n\n\n

    \n
  1. Che cos\u2019\u00e8 l\u2019API audio OpenAI?<\/a><\/li>\n\n\n\n
  2. Scegli un endpoint e un modello<\/a><\/li>\n\n\n\n
  3. Inizia con gli esempi in Python<\/a><\/li>\n\n\n\n
  4. Informazioni sui prezzi dell'API Audio<\/a><\/li>\n\n\n\n
  5. Utilizza l'API GlobalGPT per l'audio e altro ancora<\/a><\/li>\n\n\n\n
  6. Evita gli errori pi\u00f9 comuni durante la configurazione<\/a><\/li>\n\n\n\n
  7. Scegli il percorso giusto<\/a><\/li>\n\n\n\n
  8. Domande frequenti<\/a><\/li>\n<\/ol>\n<\/div>\n\n\n\n

    Che cos\u2019\u00e8 l\u2019API audio OpenAI?<\/h2>\n\n\n\n

    L'API audio OpenAI \u00e8 un insieme di interfacce per sviluppatori destinate all'elaborazione e alla generazione della voce. L'applicazione invia testo o audio a OpenAI, seleziona un modello e riceve in cambio audio parlato o testo. Pu\u00f2 essere utilizzata per realizzare un'app di trascrizione, articoli con narrazione, uno strumento per i sottotitoli o le funzionalit\u00e0 vocali di un assistente pi\u00f9 ampio.<\/p>\n\n\n\n

    OpenAI Riferimento all'API audio<\/a> distingue tra generazione del parlato, trascrizione e traduzione. Si tratta di elementi costitutivi utili: la trascrizione ricava le parole da una registrazione; un modello testuale separato pu\u00f2 trasformare quelle parole in un riassunto, mentre un modello vocale pu\u00f2 leggere il riassunto ad alta voce.<\/p>\n\n\n\n

    Tre richieste, tre risultati diversi<\/h3>
    \n

    Registrazione \u2192 trascrizione<\/strong><\/p>

    Intervista, riunione, conferenza o promemoria vocale<\/p>

    \/audio\/trascrizioni<\/code><\/p><\/div>\n

    Testo \u2192 audio parlato<\/strong><\/p>

    Narrazione, audio di accessibilit\u00e0 o risposta dell'app<\/p>

    \/audio\/discorso<\/code><\/p><\/div>\n

    Registrazione in lingua straniera \u2192 Testo in inglese<\/strong><\/p>

    Traduzione in inglese di un discorso registrato<\/p>

    \/audio\/traduzioni<\/code><\/p><\/div>\n<\/div>

    Attivit\u00e0 audio basate su file OpenAI. Una conversazione bidirezionale in tempo reale richiede un\u2019integrazione vocale separata basata su sessioni.<\/figcaption><\/figure>\n\n\n\n

    ChatGPT \u00e8 un'applicazione che puoi utilizzare direttamente; l'API ti consente di aggiungere modelli alla tua applicazione. Se desideri interagire solo con ChatGPT, inizia con ChatGPT Accesso vocale e limiti<\/a>. Un progetto API richiede una propria configurazione e un proprio budget per l'utilizzo.<\/p>\n\n\n\n

    Quale endpoint audio e quale modello dovresti utilizzare?<\/h2>\n\n\n\n

    Scegli in base al tipo di output richiesto dalla tua applicazione. Un file di sottotitoli, una trascrizione con l'indicazione di chi parla e una conversazione dal vivo sono prodotti finali diversi, anche se tutti e tre hanno origine da qualcuno che parla.<\/p>\n\n\n\n

    \n
    Il tuo compito<\/th>Percorso OpenAI<\/th>Modello o punto di partenza<\/th>Dettaglio fondamentale<\/th><\/tr><\/thead>
    Trascrivere una registrazione completa<\/td>\/v1\/audio\/trascrizioni<\/code><\/td>gpt-transcribe<\/code><\/td>Il punto di partenza consigliato da OpenAI per la trascrizione dei file; mantiene il linguaggio parlato.<\/td><\/tr>\n
    Genera una narrazione a partire da un testo<\/td>\/v1\/audio\/discorso<\/code><\/td>gpt-4o-mini-tts<\/code><\/td>Scegli una voce e fornisci indicazioni su come pronunciare il testo, ad esempio un tono calmo o un ritmo pi\u00f9 lento.<\/td><\/tr>\n
    Traduci una registrazione in inglese<\/td>\/v1\/audio\/traduzioni<\/code><\/td>whisper-1<\/code><\/td>Restituisce un testo in inglese. Questo modello \u00e8 destinato a essere ritirato; consultare la nota sulla migrazione riportata di seguito.<\/td><\/tr>\n
    Ottieni i segmenti contrassegnati dai relatori<\/td>\/v1\/audio\/trascrizioni<\/code><\/td>gpt-4o-transcribe-diarize<\/code><\/td>Richiesta json_diario<\/code>. Anche questo \u00e8 un modello in fase di ritiro dal mercato.<\/td><\/tr>\n
    Visualizza i sottotitoli in tempo reale<\/td>Sessione di trascrizione in tempo reale<\/td>gpt-live-transcribe<\/code><\/td>Elabora l'audio in ingresso senza che un assistente risponda.<\/td><\/tr>\n
    Creare una conversazione vocale continua<\/td>Sessione GPT-Live<\/td>gpt-live-1<\/code><\/td>\u00c8 in grado di ascoltare mentre parla e di delegare il lavoro a un operatore del backend.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n

    L'attuale guida alla trascrizione dei file<\/a> raccomanda gpt-transcribe<\/code> per le registrazioni normali. Per la trascrizione di un podcast, inizia da l\u00ec. Se hai bisogno di indicatori temporali per le parole o di formati per i sottotitoli, controlla le opzioni specifiche del modello prima di sceglierne uno; il supporto varia a seconda del modello.<\/p>\n\n\n\n

    \n

    Data di migrazione da tenere presente:<\/strong> Elenchi OpenAI whisper-1<\/code>, gpt-4o-transcribe<\/code>, gpt-4o-mini-transcribe<\/code>, e gpt-4o-transcribe-diarize<\/code> per la disattivazione dell'API in data 26 febbraio 2027<\/strong>. Le integrazioni esistenti relative alla traduzione, ai sottotitoli e alla diarizzazione dovrebbero seguire le linee guida ufficiali sulla dismissione<\/a> piuttosto che dare per scontato che un nuovo modello accetti tutti i parametri precedenti.<\/p>\n<\/div>\n\n\n\n

    Il discorso in streaming \u00e8 diverso da una conversazione dal vivo<\/h3>\n\n\n\n

    La riproduzione in streaming della sintesi vocale avvia la riproduzione di una risposta prima che il file audio sia stato generato completamente. Di per s\u00e9, questa funzione non consente all\u2019app di rilevare un\u2019interruzione da parte dell\u2019utente n\u00e9 di gestire una chiamata in corso. Allo stesso modo, la riproduzione in streaming della trascrizione di un file completato non avvia una sessione microfonica in tempo reale.<\/p>\n\n\n\n

    Per una nuova app vocale conversazionale, quella di OpenAI audio e audioguida<\/a> rimanda a GPT-Live. Il suo modello vocale gestisce la conversazione mentre un agente in background effettua ricerche o utilizza strumenti. L'API in tempo reale rimane un'opzione a s\u00e9 stante quando sono necessari il suo modello di sessione e quello degli strumenti.<\/p>\n\n\n\n

    Come utilizzare l'API audio OpenAI<\/h2>\n\n\n\n

    Per gli esempi riportati di seguito, crea un progetto API OpenAI, configura la fatturazione dell\u2019API e conserva la tua chiave nel OPENAI_API_KEY<\/code> variabile d'ambiente sul server o sulla macchina di sviluppo locale. Installa l'SDK di Python con pip install openai<\/code>. Non inserire una chiave API permanente in una pagina web pubblica o nel pacchetto di un'app mobile.<\/p>\n\n\n\n

    Inizia con un file o uno script di piccole dimensioni, in modo da poter verificare la risposta prima di integrare la richiesta nella tua applicazione.<\/p>\n\n\n\n

    1. Trascrivere una registrazione<\/h3>\n\n\n\n

    Salva una registrazione come meeting.mp3<\/code>, quindi esegui questo script dalla stessa cartella. Il risultato restituito testo<\/code> Si tratta della trascrizione, non di un resoconto della riunione n\u00e9 di un elenco di azioni da intraprendere.<\/p>\n\n\n\n

    da openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"meeting.mp3\", \"rb\") as audio_file:\n    transcript = client.audio.transcriptions.create(\n model=\"gpt-transcribe\",\n file=audio_file,\n    )\n\nprint(transcript.text)<\/code><\/pre>\n\n\n\n
    Per i nomi dei prodotti o il vocabolario di settore, fornite un contesto pertinente invece di aspettarvi che il modello indovini l'ortografia. L'attuale guida alla trascrizione supporta tempestivamente<\/code>, oltre a suggerimenti relativi alle parole chiave e alla lingua specifici per il modello. Prova queste opzioni su un breve campione tratto dalle registrazioni effettivamente gestite dalla tua app.<\/p>\n\n\n\n
    Se la tua fonte \u00e8 una demo registrata o un video di un'intervista, la nostra guida su trascrizione dell'audio di un video<\/a> spiega come preparare il materiale e le fasi che intercorrono tra l'ottenimento di una trascrizione e la produzione di un riassunto utile.<\/p>\n\n\n\n
    2. Trasformare un copione in un file audio parlato<\/h3>\n\n\n\n
    Scegli un formato audio supportato e descrivi la procedura di esportazione. In questo esempio viene creato un file MP3 sul tuo computer; il file non viene riprodotto automaticamente.<\/p>\n\n\n\n
    from pathlib import Path\nfrom openai import OpenAI\n\nclient = OpenAI()\n\nwith client.audio.speech.with_streaming_response.create(\n    model=\"gpt-4o-mini-tts\",\n    voice=\"coral\",\n    input=\"Il riepilogo della riunione \u00e8 pronto. Ecco i prossimi passi.\",\n    instructions=\"Usa un tono calmo e chiaro e un ritmo misurato.\",\n) as response:\n    response.stream_to_file(Path(\"narration.mp3\"))<\/code><\/pre>\n\n\n\n
    Il Guida alla sintesi vocale<\/a> controlli relativi al tono, alla velocit\u00e0, all'intonazione e ad altre opzioni di riproduzione. Il formato MP3 \u00e8 quello predefinito; altri formati supportati includono WAV, PCM, Opus, AAC e FLAC. Le opzioni relative alla voce dipendono dal modello. Il modello OpenAI richiede inoltre che venga chiaramente indicato che la voce \u00e8 generata dall'intelligenza artificiale.<\/p>\n\n\n\n
    Per una narrazione occasionale, potresti preferire uno strumento basato su browser piuttosto che scrivere codice. La nostra guida a strumenti e flussi di lavoro per la sintesi vocale<\/a> tratta questo argomento, spiegando anche cosa verificare prima di esportare una voce fuori campo.<\/p>\n\n\n\n
    3. Tradurre il discorso registrato in testo inglese<\/h3>\n\n\n\n
    L'endpoint di traduzione utilizza whisper-1<\/code> e restituisce un testo in inglese. Per un'integrazione gi\u00e0 esistente, la richiesta si presenta in questo modo. Tieni conto del ritiro previsto per febbraio 2027 prima di creare una nuova dipendenza a lungo termine da esso.<\/p>\n\n\n\n
    da openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"interview.mp3\", \"rb\") as audio_file:\n    translation = client.audio.translations.create(\n model=\"whisper-1\",\n file=audio_file,\n    )\n\nprint(translation.text)<\/code><\/pre>\n\n\n\n
    Questa richiesta non genera un audio doppiato in inglese. Il doppiaggio richiede passaggi aggiuntivi, tra cui la generazione del parlato e, a seconda del progetto, la sincronizzazione e l'allineamento video. Per la traduzione in una lingua di destinazione diversa, utilizza un approccio di traduzione che supporti esplicitamente quella lingua.<\/p>\n\n\n\n
    Quanto costa l'API audio OpenAI?<\/h2>\n\n\n\n
    Non esiste un unico prezzo per l'API Audio. La trascrizione dei file, la generazione del parlato e le sessioni in tempo reale utilizzano unit\u00e0 di fatturazione diverse. I dati riportati di seguito provengono da Prezzi delle API di OpenAI<\/a>, verificato il 29 settembre 2026. Si tratta di tariffe OpenAI, distinte dai prezzi GlobalGPT.<\/p>\n\n\n\n
    \n
    Modello o servizio<\/th>Informazioni di fatturazione pubblicate<\/th>Esempio di bilancio<\/th><\/tr><\/thead>
    gpt-transcribe<\/code><\/td>Costo stimato: $0,0045 al minuto<\/strong><\/td>1.000 minuti \u2248 $4.50<\/strong><\/td><\/tr>\n
    gpt-live-transcribe<\/code><\/td>Costo stimato: $0,017 al minuto<\/strong><\/td>1.000 minuti \u2248 $17.00<\/strong><\/td><\/tr>\n
    whisper-1<\/code> \u00b7 modello di trascrizione\/traduzione in fase di dismissione<\/td>Costo stimato: $0,006 al minuto<\/strong><\/td>60 minuti \u2248 $0.36<\/strong>; pianificare la migrazione entro il 26 febbraio 2027<\/td><\/tr>\n
    gpt-4o-mini-tts<\/code><\/td>$0.60 \/ 1 milione di token di input di testo<\/strong> pi\u00f9 $12 \/ 1M token di uscita audio<\/strong><\/td>100.000 token di input + 100.000 token audio di output = $1.26<\/strong><\/td><\/tr>\n
    tts-1<\/code><\/td>$15 \/ 1 milione di caratteri<\/strong><\/td>100.000 caratteri = $1.50<\/strong><\/td><\/tr>\n
    tts-1-hd<\/code><\/td>$30 \/ 1 milione di caratteri<\/strong><\/td>100.000 caratteri = $3.00<\/strong><\/td><\/tr>\n
    gpt-live-1<\/code> sessioni vocali<\/td>$0,05 al minuto<\/strong>, addebitato al secondo<\/td>60 minuti = $3.00<\/strong>, oltre all'utilizzo di modelli e strumenti di backend<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    Le righe di trascrizione utilizzano i dati pubblicati da OpenAI costo stimato<\/em> Cifre. L'esempio del token TTS \u00e8 un'illustrazione aritmetica basata su due totali di utilizzo specificati; non si tratta di una previsione secondo cui uno script produrr\u00e0 lo stesso numero di token in ingresso e in uscita. I caratteri, i token di testo e i token audio sono unit\u00e0 diverse.<\/p>\n\n\n\n
    Un budget di trascrizione di 1.000 minuti<\/h3>
    Circa 16 ore e 40 minuti di audio, secondo le stime al minuto pubblicate da OpenAI.<\/p>\n
    File registrati \u00b7 gpt-transcribe \u00b7 \u2248 $4.50<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Trascrizione in tempo reale \u00b7 gpt-live-transcribe \u00b7 \u2248 $17.00<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Diverse modalit\u00e0 di immissione, non una classifica in base alla precisione. I calcoli escludono l'elaborazione aggiuntiva del modello di testo, l'archiviazione, l'hosting dell'app e i tentativi ripetuti.<\/figcaption><\/figure>\n\n\n\n
    Per stimare il costo effettivo di un progetto, occorre considerare anche il lavoro successivo alla trascrizione. Un assistente di riunione potrebbe aver bisogno di una trascrizione, di un riassunto, di un elenco delle azioni da intraprendere e della riproduzione dell\u2019audio. Ogni richiamo del modello pu\u00f2 incidere sul costo finale. Un operatore telefonico potrebbe inoltre utilizzare strumenti di ricerca o altri strumenti mentre la conversazione \u00e8 in corso.<\/p>\n\n\n\n
    Per quanto riguarda specificatamente GPT-Live, il pagina dei prezzi dei modelli<\/a> distingue la durata della sessione dai costi relativi al modello di backend e agli strumenti. Una chiamata di un\u2019ora che costa $3 per la sessione vocale non comporta necessariamente un costo totale dell\u2019applicazione pari a $3.<\/p>\n\n\n\n
    GlobalGPT dispone inoltre di un'API per audio, chat, immagini e video<\/h2>\n\n\n\n
    Se l'audio \u00e8 solo una componente di un prodotto pi\u00f9 ampio, GlobalGPT offre un'opzione utile. La sua Panoramica sull'API<\/a> rappresenta un punto di accesso comune per diverse categorie di modelli: le richieste di chat utilizzano \/v1\/chat\/completamenti<\/code> o \/v1\/risposte<\/code>, mentre la generazione di immagini, video e audio utilizza \/v1\/attivit\u00e0<\/code>.<\/p>\n\n\n\n
    Ad esempio, un\u2019app di contenuti potrebbe redigere una sceneggiatura con un modello di chat, creare una traccia di narrazione, generare un\u2019illustrazione e realizzare un breve video. Quando creazione di un flusso di lavoro multimodello<\/a>, assegnare a ciascun modello un compito ben definito e trasmettere i risultati verificati da una fase all\u2019altra.<\/p>\n\n\n\n
    \n
    Domanda<\/th>API diretta OpenAI<\/th>API GlobalGPT<\/th><\/tr><\/thead>
    Quali modelli audio sono rilevanti?<\/td>Modelli OpenAI, tra cui gpt-transcribe<\/code> e gpt-4o-mini-tts<\/code>.<\/td>Controlla il catalogo dei modelli API dell'account. Gli strumenti audio della piattaforma includono i modelli Eleven, Qwen, Seed e Scribe; \u00e8 necessario verificare la disponibilit\u00e0 e i parametri per ciascun modello API.<\/td><\/tr>\n
    Come vengono inviate le richieste audio?<\/td>Specifico per l'attivit\u00e0 \/v1\/audio\/\u2026<\/code> endpoint; Live Voice utilizza un'API di sessione.<\/td>La panoramica dell'API indirizza la generazione dell'audio attraverso \/v1\/attivit\u00e0<\/code>.<\/td><\/tr>\n
    Come si controllano i prezzi?<\/td>Le pagine relative ai modelli e ai prezzi delle API di OpenAI.<\/td>La panoramica sull'API GlobalGPT recita: GET \/v1\/models<\/code> elenca gli ID dei modelli con i relativi prezzi.<\/td><\/tr>\n
    Quando \u00e8 una scelta utile?<\/td>\u00c8 necessario un modello audio specifico OpenAI o le sue funzionalit\u00e0 relative alle sessioni vocali, come da documentazione.<\/td>Desideri disporre di funzionalit\u00e0 audio in combinazione con i servizi di chat, immagini e video offerti da diversi fornitori.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    Il pubblico di GlobalGPT catalogo dei modelli audio<\/a> include Eleven v3, Eleven Multilingual v2, Qwen Audio 3.0 e Seed Audio 1.0 per la creazione di contenuti legati al parlato, oltre a Scribe e AI Note Taker per le attivit\u00e0 di trascrizione. Consulta il catalogo API dell'account per conoscere i modelli specifici disponibili per la tua integrazione.<\/p>\n\n\n\n
    Per gli script pi\u00f9 lunghi, il Recensione di Eleven Multilingual v2<\/a> tratta della narrazione, del supporto linguistico e di come questo si distingua dagli altri modelli ElevenLabs.<\/p>\n\n\n\n
    Per un audio creativo che includa voci e rumori ambientali, Guida alle voci e agli effetti sonori di Seed Audio<\/a> affronta un compito pi\u00f9 ampio rispetto alla semplice lettura ad alta voce di un testo. Scegli in base al tipo di contenuto audio che devi trasmettere.<\/p>\n\n\n\n
    Come iniziare a utilizzare l'API GlobalGPT<\/h3>\n\n\n\n
      \n
    1. Apri l'area API GlobalGPT e crea una chiave sotto API \u2192 Chiavi API \u2192 Crea chiave<\/strong>. Salvalo in modo sicuro quando viene visualizzato.<\/li>\n\n\n\n
    2. Consulta il catalogo dei modelli per individuare l'ID del modello e il prezzo relativi all'attivit\u00e0 che ti serve.<\/li>\n\n\n\n
    3. Utilizzare i parametri documentati del modello selezionato. Attenersi al formato di richiesta delle attivit\u00e0 audio per \/v1\/attivit\u00e0<\/code>, invece di incollare un OpenAI \/audio\/discorso<\/code> carico utile invariato.<\/li>\n\n\n\n
    4. Inizia con un campione breve. Verifica l'audio restituito, lo stato di completamento e l'utilizzo addebitato prima di elaborare un lotto pi\u00f9 grande.<\/li>\n<\/ol>\n\n\n\n
      L'URL di base dell'API documentato \u00e8 https:\/\/api2.glbgpt.com\/ai-api\/open\/v1<\/code>. Questa richiesta di catalogo in sola lettura costituisce un punto di partenza dopo aver salvato la chiave in GLOBALGPT_API_KEY<\/code>:<\/p>\n\n\n\n
      curl \"https:\/\/api2.glbgpt.com\/ai-api\/open\/v1\/models\" \\\n  -H \"Authorization: Bearer $GLOBALGPT_API_KEY\"<\/code><\/pre>\n\n\n\n
      Utilizza il prezzo associato al modello che scegli effettivamente. Il prezzo dell'abbonamento al sito web GlobalGPT, il saldo a credito e la tariffa al minuto OpenAI non sono preventivi intercambiabili per la stessa richiesta.<\/p>\n\n\n\n
      \n
      Confine di integrazione:<\/strong> GlobalGPT fornisce una propria API audio. La sua documentazione pubblica non indica il supporto per gli endpoint audio nativi di OpenAI, le sessioni GPT-Live o tutti i modelli di sintesi vocale di OpenAI. Se la tua app esistente dipende da una di queste funzionalit\u00e0, verifica tale requisito specifico prima di cambiare fornitore.<\/p>\n<\/div>\n\n\n\n
      Errori comuni nell'API audio e come evitarli<\/h2>\n\n\n\n
      \n
      Problema<\/th>Cosa controllare<\/th>Prossimo passo concreto<\/th><\/tr><\/thead>
      La registrazione non viene caricata<\/td>Dimensione del file e codifica effettiva.<\/td>Per la trascrizione dei file OpenAI, assicurati che ogni file caricato non superi i 25 MB e utilizza i formati MP3, MP4, MPEG, MPGA, M4A, WAV o WebM. Comprimete o dividete i file pi\u00f9 grandi in corrispondenza delle pause naturali.<\/td><\/tr>\n
      La risposta non contiene indicazioni relative a chi parla<\/td>Se il modello e il formato di risposta scelti supportano la diarizzazione.<\/td>Per un'integrazione di diarizzazione gi\u00e0 esistente, richiedere json_diario<\/code>; pianificare il ritiro annunciato del modello.<\/td><\/tr>\n
      La traduzione \u00e8 in inglese, ma tu volevi un'altra lingua<\/td>Supporto della lingua di destinazione da parte dell'endpoint.<\/td>L'endpoint di traduzione dei file restituisce testo in inglese. Utilizza una fase di traduzione separata o un servizio che supporti la tua lingua di destinazione.<\/td><\/tr>\n
      L'audio viene riprodotto, ma l'assistente non \u00e8 in grado di gestire un'interruzione<\/td>Che tu abbia realizzato una riproduzione in streaming o una sessione di conversazione.<\/td>Utilizza un'architettura \"live voice\" quando la tua app deve ascoltare mentre parla.<\/td><\/tr>\n
      Un esempio OpenAI non supera il test con un altro provider<\/td>URL di base, endpoint, ID del modello e campi della richiesta.<\/td>Seguire la documentazione audio fornita dal provider stesso. Una configurazione simile dell'SDK non garantisce percorsi audio identici.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
      Prima di decidere in merito alla qualit\u00e0 della voce, prova un breve campione che includa il tuo vocabolario reale: nomi di prodotti, numeri, abbreviazioni e le lingue parlate dai tuoi utenti. Per la trascrizione, controlla le parole e l'attribuzione dei parlanti. Per la narrazione, presta attenzione alla pronuncia, alle pause, al ritmo e verifica se il tono desiderato viene mantenuto anche in un paragrafo pi\u00f9 lungo.<\/p>\n\n\n\n
      Utilizza registrazioni per le quali disponi dell'autorizzazione al trattamento, conserva le chiavi su un server affidabile e verifica le condizioni relative ai dati del servizio che riceve i tuoi file audio. Nel caso di un prodotto destinato ai clienti, includi nell'interfaccia le informative relative alle registrazioni e alle voci generate dall'intelligenza artificiale.<\/p>\n\n\n\n
      Quale route API dovresti scegliere?<\/h2>\n\n\n\n
      Seleziona direttamente OpenAI<\/strong> quando la tua app richiede uno specifico modello vocale OpenAI, un'opzione di trascrizione documentata o una sessione vocale live nativa. Inizia con il modello pi\u00f9 adatto all'attivit\u00e0 e progetta tenendo conto delle sue effettive regole di richiesta e fatturazione.<\/p>\n\n\n\n
      Si consideri GlobalGPT<\/strong> quando il tuo prodotto combina l'audio con modelli di diversi fornitori, oppure quando desideri esplorare la generazione vocale insieme alla chat, alle immagini e ai video. Inizia dal catalogo delle API, seleziona un modello disponibile e verifica il funzionamento con un'attivit\u00e0 di piccole dimensioni prima di passare a una scala pi\u00f9 ampia.<\/p>\n\n\n\n
      La musica, la narrazione e la trascrizione richiedono scelte diverse in termini di modelli. Il nostro confronto su scelta di un modello audio in base all'attivit\u00e0<\/a> aiuta a distinguere la generazione delle canzoni, la narrazione parlata e le scene audio pi\u00f9 complesse.<\/p>\n\n\n\n
      Per una singola registrazione vocale o la trascrizione di una riunione, uno strumento web pu\u00f2 essere sufficiente. Un'API diventa utile quando la propria applicazione deve eseguire l'operazione ripetutamente, trasmettere i risultati a un'altra fase o fornire i risultati agli utenti.<\/p>\n\n\n\n
      Domande frequenti<\/h2>\n\n\n\n
      L'API audio OpenAI \u00e8 un unico modello?<\/h3>\n\n\n\n
      No. Si tratta di una serie di interfacce audio. La generazione del parlato, la trascrizione dei file e la traduzione dei file utilizzano endpoint e modelli diversi. GPT-Live e Realtime offrono opzioni separate basate su sessioni per le applicazioni audio in tempo reale.<\/p>\n\n\n\n
      L'API audio OpenAI \u00e8 in grado di convertire il testo in voce?<\/h3>\n\n\n\n
      S\u00ec. L'endpoint di sintesi vocale accetta testo, un modello e una voce, quindi restituisce un file audio. Con gpt-4o-mini-tts \u00e8 anche possibile fornire istruzioni relative alla riproduzione, come il tono e il ritmo. Il formato di output predefinito \u00e8 MP3.<\/p>\n\n\n\n
      Quale modello dovrei utilizzare per una nuova app di trascrizione?<\/h3>\n\n\n\n
      La guida alla trascrizione dei file di OpenAI raccomanda l'uso di gpt-transcribe per le registrazioni vocali generiche. Verificare separatamente eventuali requisiti specifici, quali i timestamp delle parole, i formati dei sottotitoli o le etichette dei parlanti, poich\u00e9 il supporto varia a seconda del modello.<\/p>\n\n\n\n
      Whisper verr\u00e0 ritirato?<\/h3>\n\n\n\n
      OpenAI indica che il proprio modello API \"whisper-1\" ospitato verr\u00e0 ritirato il 26 febbraio 2027, insieme a tre modelli di trascrizione GPT-4o meno recenti. Si tratta del ritiro di un modello API, non di un\u2019affermazione secondo cui tutto il software Whisper o tutti i servizi audio OpenAI verranno dismessi.<\/p>\n\n\n\n
      La traduzione audio restituisce un file audio parlato?<\/h3>\n\n\n\n
      No. L'endpoint di traduzione dei file restituisce testo in inglese a partire dal parlato registrato. Per ottenere un parlato tradotto, \u00e8 necessario un ulteriore passaggio di generazione del parlato oppure un servizio dedicato alla traduzione del parlato.<\/p>\n\n\n\n
      Posso utilizzare l'API audio per un assistente vocale in tempo reale?<\/h3>\n\n\n\n
      \u00c8 possibile integrare la trascrizione, un modello testuale e la generazione vocale in un assistente vocale, ma la gestione dei turni in tempo reale richiede una progettazione aggiuntiva. OpenAI raccomanda GPT-Live come punto di partenza per le nuove applicazioni vocali conversazionali; documenta inoltre un\u2019API in tempo reale separata.<\/p>\n\n\n\n
      GlobalGPT dispone di un'API audio?<\/h3>\n\n\n\n
      S\u00ec. La panoramica sull'API di GlobalGPT descrive la generazione di audio tramite l'endpoint \"tasks\", oltre alla generazione di immagini e video. L'endpoint \"models\" elenca gli ID dei modelli e i relativi prezzi. Verifica la disponibilit\u00e0 e i parametri del modello scelto prima di inviare una richiesta.<\/p>\n\n\n\n
      L'API audio di GlobalGPT \u00e8 identica a quella di OpenAI?<\/h3>\n\n\n\n
      Essi documentano percorsi audio diversi: OpenAI fornisce endpoint audio dedicati, mentre GlobalGPT instrada la generazione audio tramite la propria API delle attivit\u00e0. Utilizzare gli ID dei modelli e i campi di richiesta del provider selezionato; la compatibilit\u00e0 degli endpoint OpenAI e il supporto per la voce in tempo reale devono essere verificati separatamente.<\/p>\n\n\n\n
      Integrare l\u2019audio in un\u2019app di intelligenza artificiale pi\u00f9 ampia<\/h3>
      Scopri l'API di GlobalGPT per le attivit\u00e0 relative ad audio, chat, immagini e video. Consulta il catalogo dei modelli e i prezzi, quindi inizia con l'attivit\u00e0 di cui i tuoi utenti hanno pi\u00f9 bisogno.<\/p>
      Scopri l'API GlobalGPT \u2192<\/a><\/p>
      Apri l'area di lavoro GlobalGPT<\/a><\/p><\/div>\n\n\n\n