Aistriúchán Uathoibríoch
Ar an leathanach seo
Athscríodh an ceacht seo an 3 Samhain, 2026. Bhraitheadh sé roimhe seo ar an bpointe deiridh
/v1/audio/translationsagus arwhisper-1, araon tarraingthe siar agus scortha an 26 Feabhra, 2027, chomh maith le seisiún cúntóra Realtime athfheidhmithe mar ateangaire. Tairgeann OpenAI dhá bhealach anois: do thaifeadtaí, tras-scríobh sa bhunteanga legpt-transcribe, agus ansin aistriúchán téacs; do chaint bheo, seisiún aistriúcháin tiomnaithe legpt-realtime-translate. Fíoraíodh an cód le SDKopenai3.42.1 agus an leabharlannwebsocket-client. Foinse: Tras-scríobh comhaid · Aistriúchán Realtime · Tarraingt siar.
Dhá riachtanas, dhá uirlis
Clúdaíonn aistriúchán fuaime dhá chás an-éagsúil, agus láimhseálann OpenAI iad le huirlisí éagsúla:
| Riachtanas | Uirlis ó Shamhain 2026 | Toradh |
|---|---|---|
| Taifeadadh le haistriú (cruinniú, podchraoladh, glao cartlainne) | gpt-transcribe chun tras-scríobh sa bhunteanga, ansin samhaltéacs chun aistriú | Téacs aistrithe i do sprioctheanga |
| Caint bheo le hatrangaireacht (glao, comhdháil, rang) | Seisiún aistriúcháin Realtime le gpt-realtime-translate | Fuaim agus tras-scríbhinní aistrithe, ginte de réir mar a tharlaíonn an chaint |
Conair oidhreachta: /v1/audio/translations le whisper-1 | Tarraingthe siar, scortha an 26 Feabhra, 2027 | Téacs Béarla amháin |
Cuireann treoir OpenAI béim ar phointe amháin: ní aistríonn sé rud ar bith má athraíonn tú ID an tsamhail i n-iarratas /v1/audio/translations amháin. Níl aon ionadaí díreach ag an bpointe deiridh seanbhunaithe, nach bhféadfadh aistriú ach go Béarla.
Taifeadadh a aistriú
Tosaíonn an modh seo le tras-scríobh dílis sa teanga labhartha, agus ansin aistríonn sé an téacs. Oibríonn sé do gach sprioctheanga—murab ionann agus an seanphointe deiridh, nach ndearna ach Béarla—agus tugann sé an dá théacs duit, rud atá úsáideach le haghaidh fíoraithe:
from openai import OpenAI
client = OpenAI()
def translate_recording(path: str, target_language: str) -> dict[str, str]:
"""Tras-scríobhann sé taifeadadh sa bhunteanga, agus ansin aistríonn sé an téacs."""
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"Aistrigh an téacs a sholáthraíonn an t-úsáideoir go {target_language}. "
"Coinnigh an ton agus an stíl. Freagair leis an aistriúchán amháin."
),
input=transcription.text,
)
return {"original": transcription.text, "translation": response.output_text}
result = translate_recording("reunion_fr.mp3", "German")
print(result["translation"])
Tuillfidh dhá rogha míniú. Cuirtear an treoir aistriúcháin in instructions, agus tagann an tras-scríobh mar shonraí plain in input: is féidir le taifeadadh aon rud a bheith ann, lena n-áirítear frása a bhfuil cuma ordrachta air, agus ní mór nach bhféadfadh sé an treoir a mhodhnú. Is é gpt-6-luna an tsamhail a mholann OpenAI le haghaidh próiseála ar scála mór atá íogair ó thaobh costais de; le haghaidh téacs dlí nó teicniúil íogair, roghnaigh samhail níos cumasaí, mar shampla gpt-6.1-sol.
Caint bheo a ateangaireacht
Chun aistriúchán a dhéanamh agus duine ag caint, tairgeann OpenAI cineál speisialta seisiúin Realtime. Déanann an treoir idirdhealú soiléir idir é agus seisiún gníomhaire gutha:
| Seisiún gníomhaire gutha | Seisiún aistriúcháin |
|---|---|
Nascann le /v1/realtime | Nascann le /v1/realtime/translations |
| Feidhmíonn an tsamhail mar chúntóir | Feidhmíonn an tsamhail mar ateangaire |
Timthriall comhrá agus freagartha (response.create) | Sruth leanúnach ó fhuaigh isteach, gan response.create |
| Is féidir uirlisí a ghlaow | Táirgeann sé fuaim agus tras-scríbhinní aistrithe |
Braitheann an t-iompar ar an áit a dtagann an fhuaim. I mbrabhsálaí, seolann WebRTC ionchur an mhicreafóin agus faigheann sé an ghuth aistrithe mar rianta fuaime; cruthaíonn do fhreastalaí rún client gearrshaolach chuige seo trí /v1/realtime/translations/client_secrets, ionas nach bhfágann do eochair API an freastalaí riamh. Ar thaobh an fhreastalaí, nuair a thagann an fhuaim amh cheana féin (sruth fóin, gabháil), tá nasc WebSocket leor:
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", # aitheantais haiseáilte d'úsáideoir
],
)
# Teanga aschuir an ateangaire
ws.send(json.dumps({"type": "session.update", "session": {"audio": {"output": {"language": "en"}}}}))
def send_audio(pcm16: bytes) -> None:
"""Cuirann sé píosa fuaime foinse leis: PCM 16-giotán, monó, 24 kHz."""
ws.send(json.dumps({"type": "session.input_audio_buffer.append", "audio": base64.b64encode(pcm16).decode()}))
Agus tú ag seoladh na fuaime, lena n-áirítear ciúnas, filleann an seisiún imeachtaí le próiseáil ar an toirt: iompraíonn session.output_audio.delta an fhuaim aistrithe i mbonn64, session.output_transcript.delta an téacs aistrithe, agus session.input_transcript.delta tras-scríobh an bhunleagan. Nuair a stopann an fhoinse, seol session.close: críochnaíonn an tseirbhís an t-aistriúchán reatha, agus ansin freagraíonn sí le 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"Earráid aistriúcháin: {event['error']['code']}")
elif event["type"] == "session.closed":
break
ws.close()
print("".join(translation))
Ná déan neamhaird ar an imeacht error: ní theipeann ar an nasc féin má dhiúltaítear eochair; tagann sé díreach ina dhiaidh sin mar imeacht error leis an gcód invalid_api_key (breathnaíodh é an 3 Samhain, 2026). Sa táirgeadh, ritheann an glacadh comhthreomhar leis an seoladh, i snáithe nó i dtasc ar leith, agus téann an fhuaim aistrithe chuig an seinnteoir nó an líne fóin de réir mar a thagann sí: soláthraíonn an treoir oifigiúil leagan iomlán, lena n-áirítear seinnt fuaime.
Príomhphointí
- Dúnadh
/v1/audio/translationsaguswhisper-1an 26 Feabhra, 2027, gan aon ionadaí díreach: ní leor an tsamhail a athrú - Do thaifeadadh:
gpt-transcribesa bhunteanga, ansin aistriúchán téacs le samhail téacs, go haon teanga - Coinnigh an treoir aistriúcháin in
instructionsagus an tras-scríobh mar shonraí plain - Do chaint bheo: seisiún aistriúcháin (
/v1/realtime/translations,gpt-realtime-translate), a fheidhmíonn mar an t-ateangaire, ganresponse.create - WebRTC sa bhrabhsálaí, le rún client arna chruthú ag an bhfreastalaí; WebSocket ar thaobh an fhreastalaí, le fuaim PCM 16-giotán ag 24 kHz