Ondersteunde formaten en talen
Op deze pagina
Update 2 november 2026 — Audiomodellen. Verschillende modellen in deze cursus zijn verouderd:
tts-1,tts-1-hdengpt-4o-mini-ttsworden op 6 januari 2027 uitgeschakeld (de aangegeven vervanger isgpt-realtime-2.1-mini, waarvan de OpenAI TTS-gids stelt dat deze niet wordt ondersteund door/v1/audio/speech: migratie van spraaksynthese verloopt via de Realtime API);gpt-realtime,gpt-4o-realtimeen legacy audiomodellen op 20 januari 2027 (gpt-realtime-2.1,gpt-realtime-2.1-mini,gpt-audio-1.5);whisper-1,gpt-4o-transcribeen/v1/audio/translationsop 26 februari 2027 (gpt-transcribe,gpt-live-transcribe,v1/realtime/translations). Voor full-duplex spraak is GPT-Live 1 beschikbaar in de API sinds 10 september 2026. Les gecorrigeerd op 3 november 2026: voorbeelden bijgewerkt vanwhisper-1naargpt-transcribe(met gebruik van de parameterlanguages), aantal talen voor Whisper gecorrigeerd (98, niet “meer dan 50”, conform de gids File transcription), de tweestaps methode voor meertaligheid vervangen door taaltips vangpt-transcribe, prijzen gebaseerd op bronnen. Bronnen: File transcription · GPT-Transcribe · Create transcription.
Ondersteunde formaten en talen
De transcriptiemodellen van OpenAI accepteren een grote verscheidenheid aan audioformaten en ondersteunen tientallen talen. Het kiezen van het juiste invoerformaat en het correct configureren van de taal heeft directe invloed op de kwaliteit van de transcriptie en de kosten. Deze les behandelt de beschikbare opties en best practices.
Ondersteunde audioformaten
Volgens de API-referentie accepteert het transcriptie-eindpunt de formaten flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav en webm, mits de bestandsnaam de juiste extensie bevat. De meest voorkomende:
| Formaat | Extensie | Compressie | Aanbevolen gebruik |
|---|---|---|---|
| MP3 | .mp3 | Lossy, goede verhouding | Podcasts, spraakopnames |
| MP4 / M4A | .mp4, .m4a | AAC lossy | Video's, mobiele opnames |
| WAV | .wav | Ongecomprimeerd | Studio-opnames |
| WebM | .webm | Opus lossy | Browser-opnames |
| FLAC | .flac | Lossless | Maximale kwaliteit zonder verlies |
| OGG | .ogg | Vorbis/Opus | Open-source applicaties |
De maximale bestandsgrootte is 25 MB. Voor een MP3-bestand van 128 kbps komt dit overeen met ongeveer 25 minuten audio. Voor ongecomprimeerde WAV is dit aanzienlijk minder.
Bestandsgrootte optimaliseren
from pydub import AudioSegment
def optimize_for_transcription(input_path: str, output_path: str):
"""Converteert een audiobestand naar lichtgewicht MP3, voldoende voor spraak."""
audio = AudioSegment.from_file(input_path)
# Converteer naar mono 16kHz (voldoende voor spraak)
audio = audio.set_channels(1)
audio = audio.set_frame_rate(16000)
# Exporteer als 64kbps MP3 (goede kwaliteit/grootte-verhouding voor spraak)
audio.export(output_path, format="mp3", bitrate="64k")
return output_path
Ondersteunde talen
whisper-1 bestrijkt 98 talen, waarbij de nauwkeurigheid per taal varieert. gpt-transcribe detecteert de taal automatisch; als u weet welke talen u kunt verwachten, specificeer deze dan in languages: ISO 639-1-codes (fr, en, es…), sommige ISO 639-3-codes (eng, spa, yue, cmn) en regionale Chinese varianten (zh-cn, zh-tw, zh-hk). Een niet-ondersteunde of onjuiste code zorgt ervoor dat het verzoek mislukt.
# Automatische detectie (standaard)
result = client.audio.transcriptions.create(
model="gpt-transcribe",
file=audio_file,
)
print(result.languages) # talen herkend met voldoende vertrouwen
# Verwachte talen
result = client.audio.transcriptions.create(
model="gpt-transcribe",
file=audio_file,
languages=["fr"],
)
languages is een lijst, specifiek voor gpt-transcribe; oudere modellen accepteren één taal in language. Stuur nooit beide mee.
Veelvoorkomende Europese talen
De meest gebruikte ISO 639-1-codes in Europa:
EUROPEAN_LANGUAGES = {
"fr": "French",
"en": "English",
"de": "German",
"es": "Spanish",
"it": "Italian",
"pt": "Portuguese",
"nl": "Dutch",
"pl": "Polish",
"ro": "Romanian",
"sv": "Swedish",
"da": "Danish",
"fi": "Finnish",
"el": "Greek",
"cs": "Czech",
"hu": "Hungarian",
"bg": "Bulgarian",
"hr": "Croatian",
"sk": "Slovak",
"sl": "Slovenian",
"et": "Estonian",
"lv": "Latvian",
"lt": "Lithuanian",
}
Omgaan met meertalige inhoud
Een internationale vergadering wisselt tussen talen. gpt-transcribe is ontworpen voor dit geval: de modelkaart noemt ondersteuning voor meerdere taaltips, meertalige audio en code-switching binnen één zin. Geef alle verwachte talen in één keer op:
with open("international-meeting.mp3", "rb") as f:
result = client.audio.transcriptions.create(
model="gpt-transcribe",
file=f,
languages=["fr", "en", "de"],
)
print(result.text)
print("Recognized languages:", result.languages)
De oude tweestapsmethode, die de dominante taal detecteerde met whisper-1 in verbose_json-modus en vervolgens opnieuw transcribeerde door die taal af te dwingen, is niet langer nodig: deze dwong één taal af op de hele opname en whisper-1 wordt op 26 februari 2027 uitgeschakeld.
Prijzen
Transcriptie wordt gefactureerd op basis van de duur van de verwerkte audio: $0,0045 per minuut met gpt-transcribe, volgens de modelkaart (november 2026). Het bestandsformaat heeft dus geen invloed op de kosten: alleen de duur telt.
Om kosten te verlagen bij grote volumes:
from pydub import AudioSegment
from pydub.silence import split_on_silence
def preprocess_for_cost(file_path: str) -> str:
"""Verwijdert stilte om de gefactureerde duur te verminderen."""
audio = AudioSegment.from_file(file_path)
# Verwijder stiltes langer dan 1 seconde
chunks = split_on_silence(
audio,
min_silence_len=1000,
silence_thresh=-40,
keep_silence=200 # Houd 200ms stilte aan voor leesbaarheid
)
if not chunks:
return file_path
combined = chunks[0]
for chunk in chunks[1:]:
combined += chunk
output_path = "/tmp/optimized_audio.mp3"
combined.export(output_path, format="mp3", bitrate="64k")
return output_path
Belangrijkste punten
- Het transcriptie-eindpunt accepteert FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV en WebM, met een limiet van 25 MB per bestand
- Met
gpt-transcribespecificeert de lijstlanguagesde verwachte talen; het antwoord bevat de herkende talen - Mono 16 kHz MP3 op 64 kbps biedt de beste kwaliteit/grootte-verhouding voor spraak
- Facturatie gebeurt per minuut audio: het verwijderen van stilte verlaagt de kosten
- Voor meertalige inhoud vervangt één stap met alle verwachte talen in
languagesde oude tweestapsmethode