Traduzzjoni Awtomatika
F'din il-paġna
Lezzjoni miktuba mill-ġdid fit-3 ta’ Novembru 2026. Qabel kienet tiddependi fuq l-endpoint
/v1/audio/translationsuwhisper-1, it-tnejn iddeprekati u mwaqqfa fis-26 ta’ Frar 2027, kif ukoll sessjoni ta’ assistent Realtime użata bħala interpretu. OpenAI issa toffri żewġ mogħdijiet: għar-rekordjarji, trascrizzjoni fil-lingwa oriġinali b’gpt-transcribe, segwita minn traduzzjoni tat-test; għat-taħdit live, sessjoni ta’ traduzzjoni ddedikata b’gpt-realtime-translate. Il-kodiċi ġie vverifikat mas-SDKopenai3.42.1 u l-librerijawebsocket-client. Sorsi: Trascrizzjoni tal-fajl · Traduzzjoni Realtime · Deprekazzjonijiet.
Żewġ ħtiġijiet, żewġ għodod
It-traduzzjoni tal-awdjo tkopri żewġ xenarji differenti ħafna, u OpenAI tittrattahom b’għodod differenti:
| Ħtieġa | Għodda minn Novembru 2026 | Riżultat |
|---|---|---|
| Rekordjar biex tittraduċi (laqgħa, podcast, sejħa arkevjata) | gpt-transcribe biex tiskrivi fil-lingwa oriġinali, imbagħad mudell tat-test biex jittraduċi | Test tradott fil-lingwa fil-mira tiegħek |
| Taħdit live biex tinterpreta (sejħa, konferenza, klassi) | Sessjoni ta’ traduzzjoni Realtime b’gpt-realtime-translate | Awdjo tradott u trascrittijiet, iġġenerati hekk kif iseħħ it-taħdit |
Mogħdija antika: /v1/audio/translations b’whisper-1 | Iddeprekata, imwaqqfa fis-26 ta’ Frar 2027 | Test bl-Ingliż biss |
Il-gwida ta’ OpenAI tenfasizza punt wieħed: sempliċiment tibdel l-ID tal-mudell f’talba /v1/audio/translations ma tmiggrax xejn. L-endpoint antik, li kien jista’ jittraduċi biss bl-Ingliż, m’għandux sostitut dirett.
Traduzzjoni ta’ rekordjar
Dan il-metodu l-ewwel jiskrivi b’mod fidil fil-lingwa mitkellma, imbagħad jittraduċi t-test. Jaħdem għal kwalunkwe lingwa fil-mira—kuntrarjament għall-endpoint antik, li kien jipproduċi biss l-Ingliż—u jagħtik iż-żewġ testi, li huwa utli għall-verifika:
from openai import OpenAI
client = OpenAI()
def translate_recording(path: str, target_language: str) -> dict[str, str]:
"""Tiskrivi rekordjar fil-lingwa oriġinali tiegħu, imbagħad tittraduċi t-test."""
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"Traduċi t-test ipprovdut mill-utent għal {target_language}. "
"Żomm it-ton u l-istil. Wieġeb biss bit-traduzzjoni."
),
input=transcription.text,
)
return {"original": transcription.text, "translation": response.output_text}
result = translate_recording("reunion_fr.mp3", "German")
print(result["translation"])
Żewġ għażliet jistħoqqilhom spjegazzjoni. L-istruzzjoni tat-traduzzjoni tmur f’instructions, filwaqt li t-trascrizzjoni tasal bħala dejta sempliċi f’input: rekordjar jista’ jkun fih kollox, inkluża frażi li tidher bħala kmand, u m’għandux ikun kapaċi jimmodifika l-istruzzjoni. Il-mudell gpt-6-luna huwa dak li OpenAI tirrakkomanda għal ipproċessar fuq skala kbira u sensittiv għall-ispejjeż; għal test legali jew tekniku delikat, agħżel mudell aktar kapaċi, bħal gpt-6.1-sol.
Interpretazzjoni ta’ taħdit live
Biex tittraduċi waqt li xi ħadd qed jitkellem, OpenAI toffri tip speċjali ta’ sessjoni Realtime. Il-gwida tiddistingwiha b’mod ċar minn sessjoni ta’ aġent tal-vuċi:
| Sessjoni ta’ aġent tal-vuċi | Sessjoni ta’ traduzzjoni |
|---|---|
Tikkonnettja ma’ /v1/realtime | Tikkonnettja ma’ /v1/realtime/translations |
| Il-mudell jaġixxi bħala assistent | Il-mudell jaġixxi bħala interpretu |
Ċiklu ta’ konversazzjoni u tweġiba (response.create) | Fluss kontinwu mill-awdjo li jidħol, l-ebda response.create |
| Jista’ jsejjaħ għodod | Jipproduċi awdjo tradott u trascrittijiet |
It-trasport jiddependi minn fejn jaslu l-awdjo. F’browser, WebRTC jibgħat l-input tal-mikrofonu u jirċievi l-vuċi tradotta bħala tracks tal-awdjo; is-server tiegħek joħloq sigriet tal-klijent għal żmien qasir għal dan permezz ta’ /v1/realtime/translations/client_secrets, sabiex iċ-ċavetta tal-API tiegħek qatt ma toħroġ mis-server. Fuq in-naħa tas-server, meta l-awdjo diġà jaslu mhux ipproċessat (fluss tat-telefon, qabda), konnessjoni WebSocket hija biżżejjed:
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", # identifikatur hashjat tal-utent tiegħek
],
)
# Lingwa tal-output tal-interpretu
ws.send(json.dumps({"type": "session.update", "session": {"audio": {"output": {"language": "en"}}}}))
def send_audio(pcm16: bytes) -> None:
"""Iżid biċċa mill-awdjo tas-sors: PCM 16-bit, mono, 24 kHz."""
ws.send(json.dumps({"type": "session.input_audio_buffer.append", "audio": base64.b64encode(pcm16).decode()}))
Waqt li tibgħat l-awdjo, inklużi s-silenzji, is-sessjoni tirritorna avvenimenti biex tipproċessahom fuq it-titjira: session.output_audio.delta iġorr l-awdjo tradott f’base64, session.output_transcript.delta it-test tradott, u session.input_transcript.delta it-trascrizzjoni tal-oriġinal. Meta s-sors jieqaf, ibgħat session.close: is-servizz itemm it-traduzzjoni kurrenti, imbagħad iwieġeb b’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"Żball fit-traduzzjoni: {event['error']['code']}")
elif event["type"] == "session.closed":
break
ws.close()
print("".join(translation))
Tinjorax l-avveniment error: ċavetta miċħuda ma tfallix il-konnessjoni nnifisha; tasal eżatt wara bħala avveniment error bil-kodiċi invalid_api_key (osservat fit-3 ta’ Novembru 2026). Fil-produzzjoni, ir-riċeviment jimxi parallelment mal-ibgħat, f’thread jew kompitu separat, u l-awdjo tradott jmur għall-plejer jew il-linja tat-telefon hekk kif jaslu: il-gwida uffiċjali tipprovdi verżjoni sħiħa, inkluż riproduzzjoni tal-awdjo.
Punti Ewlenin
/v1/audio/translationsuwhisper-1ingħalqu fis-26 ta’ Frar 2027, mingħajr sostitut dirett: tibdel il-mudell mhux biżżejjed- Għal rekordjar:
gpt-transcribefil-lingwa oriġinali, imbagħad traduzzjoni tat-test minn mudell tat-test, għal kwalunkwe lingwa - Żomm l-istruzzjoni tat-traduzzjoni f’
instructionsu t-trascrizzjoni bħala dejta sempliċi - Għal taħdit live: sessjoni ta’ traduzzjoni (
/v1/realtime/translations,gpt-realtime-translate), li taġixxi bħala l-interpretu, mingħajrresponse.create - WebRTC fil-browser, b’sigriet tal-klijent maħluq mis-server; WebSocket fuq in-naħa tas-server, b’awdjo PCM 16-bit f’24 kHz