Automatický překlad
Lekce přepsána 3. listopadu 2026. Dříve spoléhala na koncový bod
/v1/audio/translationsa modelwhisper-1, které jsou oba zastaralé a ukončené k 26. únoru 2027, stejně jako na účelově upravenou relaci asistenta Realtime fungujícího jako tlumočník. OpenAI nyní nabízí dvě cesty: pro nahrávky přepis v původním jazyce pomocígpt-transcribenásledovaný textovým překladem; pro živou řeč vyhrazenou překladovou relaci sgpt-realtime-translate. Kód byl ověřen se SDKopenai3.42.1 a knihovnouwebsocket-client. Zdroje: Přepis souborů · Překlad v reálném čase · Zastaralé funkce.
Dvě potřeby, dva nástroje
Překlad zvuku pokrývá dva velmi odlišné scénáře a OpenAI je řeší různými nástroji:
| Potřeba | Nástroj od listopadu 2026 | Výsledek |
|---|---|---|
| Nahrávka k překladu (schůzka, podcast, archivovaný hovor) | gpt-transcribe pro přepis v původním jazyce, poté textový model pro překlad | Přeložený text ve vašem cílovém jazyce |
| Živá řeč k tlumočení (hovor, konference, výuka) | Překladová relace s gpt-realtime-translate | Přeložené audio a přepisy generované v průběhu řeči |
Zastaralá cesta: /v1/audio/translations s whisper-1 | Zastaralé, ukončené 26. února 2027 | Pouze anglický text |
Průvodce OpenAI zdůrazňuje jednu věc: pouhá změna ID modelu v požadavku na /v1/audio/translations nic nemigruje. Starý koncový bod, který uměl překládat pouze do angličtiny, nemá přímou náhradu.
Překlad nahrávky
Tato metoda nejprve věrně přepíše řeč v mluveném jazyce a poté přeloží text. Funguje pro jakýkoli cílový jazyk – na rozdíl od starého koncového bodu, který produkoval pouze angličtinu – a poskytne vám oba texty, což je užitečné pro ověření:
from openai import OpenAI
client = OpenAI()
def translate_recording(path: str, target_language: str) -> dict[str, str]:
"""Přepíše nahrávku v jejím původním jazyce a poté přeloží text."""
with open(path, "rb") as f:
transcription = client.audio.transcriptions.create(model="gpt-transcribe", file=f)
response = client.responses.create(
model="gpt-6-luna",
instructions=(
f"Přelož text poskytnutý uživatelem do {target_language}. "
"Zachovej tón a styl. Odpověz pouze překladem."
),
input=transcription.text,
)
return {"original": transcription.text, "translation": response.output_text}
result = translate_recording("reunion_fr.mp3", "German")
print(result["translation"])
Dvě volby si zaslouží vysvětlení. Pokyn pro překlad jde do instructions, zatímco přepis přichází jako prostá data v input: nahrávka může obsahovat cokoliv, včetně fráze, která vypadá jako příkaz, a nesmí mít možnost upravit instrukci. Model gpt-6-luna je ten, který OpenAI doporučuje pro zpracování ve velkém měřítku citlivé na náklady; pro choulostivé právní nebo technické texty zvolte schopnější model, jako je gpt-6.1-sol.
Tlumočení živé řeči
Pro překlad v okamžiku, kdy někdo mluví, nabízí OpenAI speciální druh relace Realtime. Průvodce ji jasně odlišuje od relace hlasového agenta:
| Relace hlasového agenta | Překladová relace |
|---|---|
Připojuje se k /v1/realtime | Připojuje se k /v1/realtime/translations |
| Model funguje jako asistent | Model funguje jako tlumočník |
Cyklus konverzace a odpovědi (response.create) | Nepřetržitý proud z příchozího audia, žádné response.create |
| Může volat nástroje | Produkuje přeložené audio a přepisy |
Transport závisí na tom, kam audio přichází. V prohlížeči WebRTC odesílá vstup z mikrofonu a přijímá přeložený hlas jako zvukové stopy; váš server pro to vytvoří krátkodobý klientský tajný klíč přes /v1/realtime/translations/client_secrets, takže váš API klíč nikdy neopustí server. Na straně serveru, když audio již přichází jako surová data (telefonní stream, záznam), stačí připojení WebSocket:
import base64
import json
import os
import websocket # pip install websocket-client
ws = websocket.WebSocket()
ws.connect(
"wss://api.openai.com/v1/realtime/translations?model=gpt-realtime-translate",
header=[
f"Authorization: Bearer {os.environ['OPENAI_API_KEY']}",
"OpenAI-Safety-Identifier: hashed-user-id", # hashovaný identifikátor vašeho uživatele
],
)
# Výstupní jazyk tlumočníka
ws.send(json.dumps({"type": "session.update", "session": {"audio": {"output": {"language": "en"}}}}))
def send_audio(pcm16: bytes) -> None:
"""Přidá část zdrojového audia: 16bit PCM, mono, 24 kHz."""
ws.send(json.dumps({"type": "session.input_audio_buffer.append", "audio": base64.b64encode(pcm16).decode()}))
Zatímco odesíláte audio, včetně ticha, relace vrací události ke zpracování za běhu: session.output_audio.delta nese přeložené audio v base64, session.output_transcript.delta přeložený text a session.input_transcript.delta přepis originálu. Když zdroj přestane, odešlete session.close: služba dokončí aktuální překlad a poté odpoví session.closed.
translation: list[str] = []
while True:
event = json.loads(ws.recv())
if event["type"] == "session.output_transcript.delta":
translation.append(event["delta"])
elif event["type"] == "error":
raise RuntimeError(f"Chyba překladu: {event['error']['code']}")
elif event["type"] == "session.closed":
break
ws.close()
print("".join(translation))
Nezanedbávejte událost error: odmítnutý klíč selže samo připojení; přijde těsně poté jako událost error s kódem invalid_api_key (pozorováno 3. listopadu 2026). V produkci běží příjem paralelně s odesíláním, v samostatném vlákně nebo úloze, a přeložené audio jde do přehrávače nebo telefonní linky, jak přichází: oficiální průvodce poskytuje kompletní verzi, včetně přehrávání audia.
Klíčové poznatky
/v1/audio/translationsawhisper-1budou ukončeny 26. února 2027 bez přímé náhrady: změna modelu nestačí- Pro nahrávku:
gpt-transcribev původním jazyce, poté textový překlad textovým modelem do libovolného jazyka - Udržujte pokyn pro překlad v
instructionsa přepis jako prostá data - Pro živou řeč: překladová relace (
/v1/realtime/translations,gpt-realtime-translate), která funguje jako tlumočník, bezresponse.create - WebRTC v prohlížeči s klientským tajným klíčem vytvořeným serverem; WebSocket na straně serveru s 16bit PCM audiem při 24 kHz