ChatGPT สามารถถอดเสียงวิดีโอได้หรือไม่? นี่คือสิ่งที่คุณควรรู้

ข้อความจากวิดีโอ · ขั้นตอนการทำงานของ CHATGPT · ข้อจำกัดของ API

ข้อความถอดเสียงจากวิดีโออาจดูเหมือนเป็นผลลัพธ์เดียว แต่การสร้างข้อความถอดเสียงนั้นเกี่ยวข้องกับสองขั้นตอนที่แยกกันชัดเจน ได้แก่ การจดจำเสียงพูด และการทำให้ข้อความที่ได้มีประโยชน์ ความสับสนส่วนใหญ่เกี่ยวกับ ChatGPT เกิดจากการมองว่าขั้นตอนทั้งสองนี้ รวมถึงแอปพลิเคชันสำหรับผู้ใช้งาน API สำหรับผู้พัฒนา และเครื่องมือของฝ่ายที่สามที่อยู่เบื้องหลัง เป็นความสามารถเดียว.

ไม่มีวิธีการใดที่เหมาะกับทุกการบันทึกเสียง การบันทึกเสียงสั้น การประชุมสด ไฟล์วิดีโอที่มีอยู่ การผลิตคำบรรยาย และกระบวนการอัตโนมัติแบบเป็นชุด มีข้อกำหนดที่แตกต่างกันเกี่ยวกับรูปแบบข้อมูลเข้า เวลาที่บันทึก ป้ายชื่อผู้พูด ความเป็นส่วนตัว และขนาดของงาน การเลือกวิธีที่เหมาะสมนั้นขึ้นอยู่กับวิธีการที่เสียงถูกส่งมา และสิ่งที่ข้อความถอดเสียงที่เสร็จสิ้นต้องรักษาไว้ มากกว่าที่จะขึ้นอยู่กับคำว่า “วิดีโอ”.

เมื่อคำพูดถูกแปลงเป็นข้อความแล้ว กระบวนการทำงานจะเปลี่ยนจากการรู้จำไปสู่การตีความ นั่นคือจุดที่ โกลบอลจีพีที อาจมีประโยชน์ได้ เช่น การเปรียบเทียบวิธีที่โมเดลต่าง ๆ สรุปเนื้อหาการบันทึกเดียวกัน การแปลเนื้อหา หรือการแปลงเป็นบันทึกและเนื้อหาที่พร้อมเผยแพร่ภายในพื้นที่ทำงานเดียว มันควรถูกใช้หลังจากขั้นตอนการถอดเสียง แทนที่จะใช้แทน ChatGPT Record, API การถอดเสียง OpenAI หรือเครื่องมือแปลงเสียงเป็นข้อความที่ออกแบบมาโดยเฉพาะ.

ลองใช้แบบจำลองชั้นนำกว่า 100 แบบบน GlobalGPT

พื้นที่ทำงาน AI แบบครบวงจร สำหรับการทำความสะอาดข้อความถอดเสียง การสรุปเนื้อหา การแปล และโมเดลกว่า 100 แบบ.

สิ่งที่ ChatGPT สามารถทำได้และทำไม่ได้

ความสับสนนี้มักเกิดจากการใช้คำว่า “ChatGPT” เพื่อหมายถึงหลายสิ่งต่างกัน ได้แก่ แอปสำหรับผู้บริโภค ChatGPT, API สำหรับผู้พัฒนาของ OpenAI และเครื่องมือที่พัฒนาโดยบริษัทอื่น ๆ โดยใช้โมเดลแปลงเสียงเป็นข้อความ ทั้งสามสิ่งนี้มีความทับซ้อนกัน แต่ไม่ใช่ผลิตภัณฑ์เดียวกัน.

กฎง่ายๆ คือดังนี้: หากงานนั้นเกี่ยวข้องกับการรู้จำเสียง ให้ใช้ฟีเจอร์หรือ API ที่แปลงเสียงเป็นข้อความ ส่วนหากงานนั้นเกี่ยวข้องกับการทำให้ข้อความถอดเสียงมีประโยชน์ ChatGPT เป็นเครื่องมือแก้ไขที่มีประสิทธิภาพสูง.

เส้นทางของแอป ChatGPT

ศูนย์ช่วยเหลือของ OpenAI ได้เพิ่มข้อมูลเกี่ยวกับประสบการณ์การใช้งาน ChatGPT ที่เกี่ยวข้องกับเสียง ซึ่งมักถูกเข้าใจผิดได้ง่าย Dictation ใช้เพื่อบันทึกข้อความเสียงใน ChatGPT และแปลงเป็นข้อความที่แก้ไขได้ก่อนส่ง ChatGPT Record เป็นกระบวนการบันทึกที่สมบูรณ์ยิ่งขึ้น ซึ่งสามารถแปลงเสียงและสรุปเนื้อหาการบันทึกเสียง เช่น การประชุม การระดมความคิด และบันทึกเสียง ในสภาพแวดล้อมแอปที่รองรับ.

กระแสไฟฟ้าของ OpenAI ChatGPT แนวทางการบันทึก ระบุว่า Record มีให้บริการสำหรับพื้นที่ทำงานประเภท Plus, Enterprise, Edu, Business และ Pro และใช้ได้เฉพาะในแอปเดสก์ท็อป macOS เท่านั้น สามารถถอดความและสรุปเนื้อหาการประชุม การระดมความคิด และบันทึกเสียง โดยแต่ละเซสชันมีระยะเวลาสูงสุด 4 ชั่วโมง ณ เวลาที่ตรวจสอบ ข้อจำกัดและราคาอาจมีการเปลี่ยนแปลง.

สิ่งนี้ไม่เท่ากับการกล่าวว่าผู้ใช้ ChatGPT ทุกคนสามารถอัปโหลดไฟล์วิดีโอใดก็ได้และได้รับข้อความถอดเสียงที่พร้อมใช้งานในขั้นตอนการผลิต Record และ Dictation เป็นคุณสมบัติของแอปที่มีกฎเกณฑ์ด้านความพร้อมใช้งาน การเก็บรักษาข้อมูล และกฎเกณฑ์การให้ความยินยอมเป็นของตัวเอง คุณสมบัติเหล่านี้มีประโยชน์เมื่อแหล่งข้อมูลของคุณเป็นเสียงสดหรือเสียงที่บันทึกไว้ภายใน ChatGPT แต่ไม่สามารถใช้แทนกระบวนการถอดเสียงแบบทั่วไปได้.

สำหรับคำสั่งเสียงสั้นๆ, OpenAI’s หน้าช่วยเหลือเสียง ChatGPT อธิบายว่า Dictation เป็นวิธีหนึ่งในการตรวจสอบและแก้ไขข้อความที่ถอดเสียงก่อนส่ง.

การอัปโหลดไฟล์ทำให้เรื่องยิ่งซับซ้อนขึ้นอีกระดับ เอกสารคู่มือการอัปโหลดไฟล์ของ ChatGPT เน้นไปที่เอกสาร สเปรดชีต การนำเสนอ ภาพ และข้อจำกัดในการใช้งาน หากทีมของคุณกำลังเผชิญกับข้อจำกัดในการอัปโหลดมากกว่าปัญหาด้านคุณภาพการถอดเสียง คู่มือแยกต่างหากนี้เกี่ยวกับ ข้อจำกัดการอัปโหลดไฟล์ ChatGPT เป็นตัวเลือกที่เหมาะสมกว่า หากเป้าหมายของคุณคือการถอดเสียงวิดีโอ อย่าสมมติว่าการอัปโหลดไฟล์เพียงอย่างเดียวคือวิธีที่ระบบรองรับ ให้ตรวจสอบประสบการณ์การใช้งานบัญชีอย่างละเอียดก่อนเขียนคำแนะนำสำหรับทีมหรือลูกค้า.

เส้นทาง API OpenAI

สำหรับนักพัฒนา วิธีที่เรียบง่ายที่สุดในการใช้ OpenAI คือ API การแปลงเสียงเป็นข้อความ เอกสารคู่มือของ OpenAI ในส่วนการแปลงเสียงเป็นข้อความ (speech-to-text) ระบุโมเดลการแปลงเสียงเป็นข้อความและรูปแบบไฟล์เสียงที่รองรับ โดย "การแปลงเสียงเป็นข้อความแบบไฟล์" (file transcription) ออกแบบมาสำหรับไฟล์เสียงที่บันทึกไว้แล้ว ส่วน "การแปลงเสียงเป็นข้อความแบบเรียลไทม์" (real-time transcription) ออกแบบมาสำหรับเสียงที่ยังกำลังส่งมาจากไมโครโฟน การโทร หรือสตรีม.

ปัจจุบัน คู่มือการถอดเสียงไฟล์ แนะนำ gpt-transcribe สำหรับเสียงที่บันทึกไว้ในภาษาต้นฉบับ ใช้ gpt-4o-transcribe-diarize เมื่อคุณต้องการฉลากสำหรับลำโพง และใช้ whisper-1 เมื่อคุณต้องการข้อมูลเวลาของคำหรือส่วนข้อความ หรือการแปลเป็นภาษาอังกฤษ.

คู่มือปัจจุบันของ OpenAI รับไฟล์ที่มีขนาดสูงสุด 25 MB และแสดงรายการ mp3, mp4, mpeg, mpga, m4a, wav, และ webm. จุดสำคัญสำหรับผู้สร้างวิดีโอคือเรื่องที่เรียบง่าย: ส่งไฟล์เสียงหรือไฟล์สื่อที่มีเสียงที่ระบบรองรับไปยังจุดปลายทางสำหรับการแปลงเสียงเป็นข้อความ แล้วใช้ข้อความที่แปลงได้มาในขั้นตอนต่อไป.

กระบวนการพัฒนาแบบเรียบง่ายมีลักษณะดังนี้:

1. แยกแทร็กเสียงจากวิดีโอ หรือใช้ไฟล์ที่มีเสียงที่ระบบรองรับได้ หากจุดปลายทางและขนาดไฟล์อนุญาต.
2. ส่งไฟล์เสียงไปยังจุดปลายทางสำหรับการแปลงเป็นข้อความ.
3. เก็บรักษาไฟล์ข้อความต้นฉบับที่มีข้อมูลเวลาไว้ เมื่อกระบวนการทำงานของคุณต้องการการตรวจสอบ การเพิ่มคำบรรยาย หรือการค้นหา.
4. ส่งข้อความถอดเสียงไปยัง ChatGPT เพื่อดำเนินการทำความสะอาด จัดรูปแบบผู้พูด สรุปเนื้อหา แปลภาษา สกัดหัวข้อ หรือร่างบทความ.

ราคาและขีดจำกัดของ API ไม่เกี่ยวข้องกับการสมัครสมาชิกแอป ChatGPT หากคุณกำลังพัฒนาผลิตภัณฑ์หรือประมวลผลวิดีโอจำนวนมาก โปรดตรวจสอบหน้าราคาของ OpenAI และขีดจำกัดบัญชีของคุณในวันที่เผยแพร่หรือปรับใช้ อย่าแปลงค่าใช้จ่าย API เป็นโควตาของ ChatGPT Plus, Pro หรือ workspace เว้นแต่ผลิตภัณฑ์นั้นเองจะกำหนดการแปลงดังกล่าว.

ตามอัตราแลกเปลี่ยนอย่างเป็นทางการในปัจจุบัน, gpt-transcribe มีราคาประมาณ $0.0045 ต่อนาที—เกี่ยวกับ $0.27 ต่อชั่วโมง ก่อนหักภาษีหรือค่าใช้จ่ายอื่น ๆ ในบัญชี ดู ตารางราคาการถอดรหัส live OpenAI ก่อนที่จะเผยแพร่หรือนำไปใช้งาน.

ช่องทางถอดเสียงจากฝ่ายที่สาม

สำหรับผู้ที่ไม่ใช่นักพัฒนา การใช้เครื่องมือแปลงเสียงเป็นข้อความที่ออกแบบมาโดยเฉพาะอาจสะดวกกว่าการใช้ API เครื่องมือต่าง ๆ เช่น Descript แอปพลิเคชันที่ใช้เทคโนโลยี AssemblyAI บริการแบบ Rev และแพลตฟอร์มตัดต่อวิดีโอหลายแห่ง สามารถรับไฟล์วิดีโอ สร้างข้อความถอดเสียง เพิ่มเวลา และส่งออกคำบรรยายได้ หลังจากนั้น ChatGPT ยังสามารถช่วยปรับปรุงผลลัพธ์ให้สมบูรณ์ยิ่งขึ้นได้.

วิธีนี้มีประโยชน์เป็นพิเศษเมื่อคุณต้องการป้ายชื่อผู้พูด คำบรรยาย คำบรรยายที่ฝังในวิดีโอ การตรวจสอบการแปล การทำงานร่วมกันในทีม หรือผู้บรรณาธิการที่เข้าร่วมในกระบวนการ ChatGPT สามารถแก้ไขคำและรูปแบบได้ แต่ไม่ควรเป็นขั้นตอนตรวจสอบคุณภาพเพียงอย่างเดียวสำหรับชื่อ คำศัพท์ทางกฎหมาย ภาษาทางการแพทย์ ราคา หรือสิ่งใดก็ตามที่อาจก่อให้เกิดความเสียหายต่อผู้อื่นหากฟังผิด.

เตรียมวิดีโอไว้ก่อน

ปัญหาการถอดเสียงส่วนใหญ่เกิดขึ้นก่อนที่โมเดลจะรับรู้เสียง ห้องที่มีเสียงรบกวน ผู้พูดที่พูดพร้อมกัน เพลงพื้นหลัง เสียงที่เบา หรือคลิปโซเชียลที่ถูกบีบอัด อาจก่อให้เกิดข้อผิดพลาดได้ ไม่ว่าคุณจะใช้เครื่องมือใดก็ตาม.

• ส่งออกเสียงที่สะอาดเมื่อเป็นไปได้ โดยควรไม่มีเพลงเล่นพร้อมกันกับเสียงพูด.
• ใช้คลิปต้นฉบับแทนคลิปที่ถูกบีบอัดและแชร์ต่อบนโซเชียลมีเดีย.
• แบ่งวิดีโอที่ยาวเป็นส่วนๆ ที่สั้นกว่า เมื่อเครื่องมือมีข้อจำกัดเกี่ยวกับขนาดไฟล์หรือระยะเวลา.
• เก็บสำเนาของข้อความต้นฉบับไว้ก่อนการปรับแต่ง เพื่อที่คุณจะสามารถตรวจสอบการเปลี่ยนแปลงได้ในภายหลัง.
• สำหรับคำบรรยาย ให้เก็บรักษาเวลาแสดงไว้แทนที่จะขอให้ ChatGPT สร้างเวลาแสดงขึ้นจากข้อความธรรมดา.

คำแนะนำสำหรับการแก้ไขข้อความถอดเสียง

เมื่อมีข้อความดิบแล้ว ChatGPT ก็จะมีประโยชน์มากขึ้นอย่างมาก คำแนะนำที่ดีที่สุดจะบอกให้ระบบรู้ว่าควรรักษาส่วนใด แก้ไขส่วนใด และไม่ควรคาดเดาส่วนใด.

คำสั่งสำหรับข้อความถอดเสียงที่สะอาด:

แก้ไขข้อความต้นฉบับนี้ให้อ่านได้ง่ายขึ้น
รักษาความหมายของผู้พูดให้ครบถ้วน
อย่าเพิ่มข้อมูลที่ไม่มีในข้อความต้นฉบับ
หากมีคำที่ไม่ชัดเจน ให้ทำเครื่องหมาย [unclear] แทนที่จะเดา
ใช้ย่อหน้าสั้นๆ และเพิ่มชื่อผู้พูดเฉพาะเมื่อมีการเปลี่ยนผู้พูดที่ชัดเจน.

คำขอตรวจสอบคำบรรยาย:

ตรวจสอบข้อความนี้เพื่อใช้ทำซับไตเติ้ล
ให้แต่ละบรรทัดสั้นพอที่จะอ่านได้บนหน้าจอ
รักษาเวลาที่ระบุไว้ให้ตรงตามต้นฉบับ
ทำเครื่องหมายไว้สำหรับบรรทัดใดที่ข้อความดูยาวเกินไป เร็วเกินไป หรือไม่ชัดเจน.

คำสั่งสำหรับการปรับใช้ใหม่:

แปลงข้อความนี้ให้เป็น:
1. บทสรุป 150 คำ,
2. 5 ข้อสำคัญที่ควรจดจำ,
3. 8 ไอเดียสำหรับโพสต์บนโซเชียลมีเดีย,
4. โครงร่างบทความบล็อก,
5. รายชื่อข้อกล่าวอ้างที่จำเป็นต้องตรวจสอบความจริง
อย่าเพิ่มข้อมูลจากแหล่งอื่น เว้นแต่ผมจะขอ.

สำหรับข้อความถอดเสียงที่ยาวขึ้น ให้แบ่งงานออกเป็นหลายขั้นตอน ก่อนอื่นให้ดำเนินการทำความสะอาดข้อมูล จากนั้นทำสรุป และสุดท้ายปรับใช้เนื้อหาใหม่ หากข้อความถอดเสียงนั้นจะกลายเป็นบทความที่พร้อมเผยแพร่หรือบทสรุปการอ่าน ให้ใช้หลักการเดียวกันตามคู่มือใน ใช้ ChatGPT เพื่อสรุปบทความ หลักการ: รักษาแหล่งข้อมูลต้นฉบับ แยกส่วนสรุปออกจากความเห็น และเก็บรายชื่อข้อมูลที่ตรวจสอบแล้ว สำหรับบันทึกการสนทนาทางโทรศัพท์เพื่อขอความช่วยเหลือ คู่มือเกี่ยวกับ สรุปการสนทนาเกี่ยวกับการสนับสนุนอย่างอัตโนมัติ เป็นขั้นตอนการทำงานต่อไปที่มีประโยชน์ หากคุณขอข้อมูลทั้งหมดในครั้งเดียว ผลลัพธ์มักดูเรียบร้อยเกินไป และสูญเสียรายละเอียดสำคัญไป.

คุณภาพ ความเป็นส่วนตัว และการประเมิน

การถอดเสียงไม่ใช่เพียงงานจัดรูปแบบเท่านั้น การฟังผิดแม้แต่ชื่อ ตัวเลข กำหนดเวลา ยา คำศัพท์ทางกฎหมาย หรือคำพูดเพียงคำเดียว ก็อาจทำให้ความหมายของวิดีโอเปลี่ยนไปได้ ดังนั้น ควรถือว่าบทถอดเสียงเป็นฉบับร่าง จนกว่าจะมีผู้ตรวจสอบส่วนสำคัญโดยเปรียบเทียบกับบันทึกเสียงต้นฉบับ.

GlobalGPT เหมาะสำหรับกรณีใด

โกลบอลจีพีที ควรทำขั้นตอนนี้หลังจากที่ข้อความถอดเสียงมีอยู่แล้ว ให้ใช้วิธีถอดเสียงที่คุณชอบก่อน แล้วนำข้อความนั้นเข้าสู่พื้นที่ทำงานแบบหลายโมเดล เพื่อเปรียบเทียบบทสรุป เปลี่ยนการบรรยายเป็นบันทึกการเรียน เขียนใหม่เนื้อหาจากเว็บบินาร์เป็นโครงร่างบล็อก หรือสร้างร่างเนื้อหาที่ปรับให้เหมาะกับท้องถิ่น.

หากผลลัพธ์เป็นแพ็กอ้างอิง คุณก็สามารถใช้คู่มือนี้เพื่อ สรุปเนื้อหาในไฟล์ PDF ด้วย ChatGPT หลังจากที่คุณส่งออกไฟล์บันทึกการสนทนาแล้ว.

การจัดวางตำแหน่งดังกล่าวช่วยให้กระบวนการทำงานเป็นไปอย่างถูกต้อง GlobalGPT ไม่ใช่จุดสิ้นสุดการถอดความอย่างเป็นทางการของ OpenAI และไม่ควรถูกอธิบายว่าเป็นการแทนที่ ChatGPT Record หรือ OpenAI API. ประโยชน์ของมันอยู่ที่ขั้นตอนการแก้ไขและวิเคราะห์ โดยเฉพาะอย่างยิ่งเมื่อคุณต้องการเปรียบเทียบวิธีที่โมเดลต่าง ๆ สรุปข้อความถอดเสียงเดียวกัน โดยไม่ต้องสลับไปมาระหว่างเครื่องมือต่าง ๆ.

หากกระบวนการทำงานด้านวิดีโอของคุณรวมถึงการสร้างวิดีโอด้วย AI และการแก้ไขข้อความถอดเสียง คุณสามารถดูคู่มือ GlobalGPT Hub ที่เกี่ยวข้องได้ที่ ChatGPT สามารถสร้างวิดีโอได้หรือไม่ เป็นบทความต่อไปที่ควรอ่าน หากคำถามของคุณเกี่ยวข้องกับเสียงมากกว่าวิดีโอ ให้เริ่มจาก คู่มือการถอดเสียง ChatGPT แทนที่.

คุณควรเลือกเส้นทางไหนดี?

คำถามที่พบบ่อย

ChatGPT สามารถถอดรหัสไฟล์วิดีโอได้โดยตรงหรือไม่?

บางครั้งประสบการณ์ ChatGPT บางอย่างอาจสามารถจัดการกับข้อมูลเข้าที่เกี่ยวข้องกับเสียงได้ แต่คุณไม่ควรถือว่าการถอดเสียงจากไฟล์วิดีโอโดยตรงเป็นคุณสมบัติทั่วไปของ ChatGPT ขั้นตอนการทำงานที่เชื่อถือได้คือ การแยกหรือจัดเตรียมเสียง, แปลงเป็นข้อความด้วยระบบแปลงเสียงเป็นข้อความ (speech-to-text), แล้วใช้ ChatGPT เพื่อปรับแต่งและจัดโครงสร้างข้อความ.

การบันทึก ChatGPT นั้นเหมือนกับการถอดเสียงวิดีโอหรือไม่?

No. ChatGPT Record เป็นกระบวนการบันทึกเสียงที่ได้รับการสนับสนุน สำหรับการบันทึกเสียงในสภาพแวดล้อม ChatGPT ที่ตรงตามเงื่อนไข สามารถใช้ประโยชน์ได้ในการประชุมหรือบันทึกเสียง แต่กระบวนการนี้แตกต่างจากการประมวลผลไฟล์วิดีโอที่มีอยู่แบบเป็นชุด เพื่อเพิ่มคำบรรยายหรือเผยแพร่.

API OpenAI สามารถถอดเสียงวิดีโอได้หรือไม่?

API OpenAI มีจุดปลายทางสำหรับการแปลงเสียงเป็นข้อความ ในทางปฏิบัติ ผู้พัฒนามักจะแยกแทร็กเสียงจากวิดีโอหรือส่งไฟล์ที่มีเสียงที่ระบบรองรับ จากนั้นส่งข้อความที่ได้ไปยัง ChatGPT หรือโมเดลอื่นเพื่อปรับแต่งให้สมบูรณ์ยิ่งขึ้น.

ควรใช้รุ่น OpenAI แบบใดสำหรับการถอดรหัส?

สำหรับกระบวนการทำงานใหม่ที่เกี่ยวข้องกับเสียงที่บันทึกไว้ OpenAI แนะนำให้ใช้ gpt-transcribe. เลือก gpt-4o-transcribe-diarize เมื่อชื่อผู้พูดมีความสำคัญ หรือ whisper-1 เมื่อคุณต้องการข้อมูลเวลาของคำหรือส่วนข้อความ หรือการแปลเป็นภาษาอังกฤษ โปรดตรวจสอบคู่มือการแปลงเสียงเป็นข้อความแบบเรียลไทม์ก่อนที่จะสร้างหรือเผยแพร่.

ChatGPT สามารถสร้างคำบรรยายจากข้อความถอดเสียงได้หรือไม่?

ChatGPT สามารถช่วยทำความสะอาดข้อความซับไตเติ้ล ย่อความยาวของคำบรรยาย แปลบรรทัด และทำเครื่องหมายคำที่ฟังดูไม่เหมาะสม อย่างไรก็ตาม ไม่ควรสร้างเวลาจากข้อความถอดเสียงแบบธรรมดาเมื่อความแม่นยำของเวลาเป็นสิ่งสำคัญ ให้ใช้เครื่องมือ ASR หรือเครื่องมือซับไตเติ้ลเพื่อสร้างเวลา แล้วจึงใช้ ChatGPT เพื่อปรับปรุงความชัดเจนในการอ่าน.

GlobalGPT เป็นเครื่องมือการถอดรหัสหรือไม่?

GlobalGPT เหมาะสำหรับการใช้งานหลังการถอดเสียง: เช่น การสรุปเนื้อหาที่ถอดเสียงได้ การเปรียบเทียบผลลัพธ์จากโมเดล การเขียนเนื้อหาใหม่ การแปล หรือการแปลงเป็นบันทึกและบทความ ไม่ควรนำเสนอเป็น API การถอดเสียงอย่างเป็นทางการของ OpenAI หรือเป็นทางเลือกแทนคุณสมบัติการบันทึกของ ChatGPT เอง.