Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Tradução Automática

Aula 8 de 18 Atualizada a 3 de novembro de 2026 Programador
Nesta página
  1. Duas necessidades, duas ferramentas
  2. Traduzir uma gravação
  3. Interpretar fala em direto
  4. Pontos-chave

Lição reescrita a 3 de novembro de 2026. Anteriormente, dependia do endpoint /v1/audio/translations e do modelo whisper-1, ambos preteridos e descontinuados a 26 de fevereiro de 2027, bem como de uma sessão de assistente em tempo real reutilizada como intérprete. A OpenAI oferece agora dois caminhos: para gravações, transcrição no idioma original com gpt-transcribe, seguida de tradução de texto; para fala em direto, uma sessão de tradução dedicada com gpt-realtime-translate. O código foi verificado com o SDK openai 3.42.1 e a biblioteca websocket-client. Fontes: Transcrição de ficheiros · Tradução em tempo real · Preterições.

Duas necessidades, duas ferramentas

A tradução de áudio abrange dois cenários muito distintos, e a OpenAI trata-os com ferramentas diferentes:

NecessidadeFerramenta (novembro de 2026)Resultado
Uma gravação para traduzir (reunião, podcast, chamada arquivada)gpt-transcribe para transcrever no idioma original, depois um modelo de texto para traduzirTexto traduzido no seu idioma de destino
Fala em direto para interpretar (chamada, conferência, aula)Sessão de tradução em tempo real com gpt-realtime-translateÁudio traduzido e transcrições, gerados à medida que a fala ocorre
Caminho legado: /v1/audio/translations com whisper-1Preterido, descontinuado a 26 de fevereiro de 2027Apenas texto em inglês

O guia da OpenAI enfatiza um ponto crucial: simplesmente alterar o ID do modelo num pedido /v1/audio/translations não realiza qualquer migração. O antigo endpoint, que só conseguia traduzir para inglês, não tem substituto direto.

Traduzir uma gravação

Este método primeiro transcreve fielmente no idioma falado e, em seguida, traduz o texto. Funciona para qualquer idioma de destino — ao contrário do antigo endpoint, que produzia apenas inglês — e fornece ambos os textos, o que é útil para verificação:

from openai import OpenAI

client = OpenAI()


def translate_recording(path: str, target_language: str) -> dict[str, str]:
    """Transcreve uma gravação no seu idioma original e, em seguida, traduz o texto."""
    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"Translate the text provided by the user into {target_language}. "
            "Keep the tone and style. Respond only with the translation."
        ),
        input=transcription.text,
    )
    return {"original": transcription.text, "translation": response.output_text}


result = translate_recording("reunion_fr.mp3", "German")
print(result["translation"])

Duas escolhas merecem explicação. A instrução de tradução vai em instructions, enquanto a transcrição chega como dados simples em input: uma gravação pode conter qualquer coisa, incluindo uma frase que pareça um comando, e não deve poder modificar a instrução. O modelo gpt-6-luna é o que a OpenAI recomenda para processamento em larga escala e sensível ao custo; para textos jurídicos ou técnicos delicados, escolha um modelo mais capaz, como o gpt-6.1-sol.

Interpretar fala em direto

Para traduzir enquanto alguém fala, a OpenAI oferece um tipo especial de sessão em tempo real. O guia distingue claramente esta sessão de uma sessão de agente de voz:

Sessão de agente de vozSessão de tradução
Liga-se a /v1/realtimeLiga-se a /v1/realtime/translations
O modelo atua como assistenteO modelo atua como intérprete
Ciclo de conversa e resposta (response.create)Fluxo contínuo a partir do áudio de entrada, sem response.create
Pode chamar ferramentasProduz áudio traduzido e transcrições

O transporte depende de onde o áudio chega. Num navegador, o WebRTC envia a entrada do microfone e recebe a voz traduzida como faixas de áudio; o seu servidor cria um segredo de cliente de curta duração para isto através de /v1/realtime/translations/client_secrets, para que a sua chave de API nunca saia do servidor. Do lado do servidor, quando o áudio já chega em bruto (um fluxo telefónico, uma captura), uma ligação WebSocket é suficiente:

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",  # hashed identifier of your user
    ],
)

# Idioma de saída do intérprete
ws.send(json.dumps({"type": "session.update", "session": {"audio": {"output": {"language": "en"}}}}))


def send_audio(pcm16: bytes) -> None:
    """Anexa um fragmento de áudio de origem: PCM de 16 bits, mono, 24 kHz."""
    ws.send(json.dumps({"type": "session.input_audio_buffer.append", "audio": base64.b64encode(pcm16).decode()}))

Enquanto envia o áudio, incluindo os silêncios, a sessão devolve eventos para processar em tempo real: session.output_audio.delta transporta o áudio traduzido em base64, session.output_transcript.delta o texto traduzido e session.input_transcript.delta a transcrição do original. Quando a fonte para, envie session.close: o serviço termina a tradução atual e responde com 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"Translation error: {event['error']['code']}")
    elif event["type"] == "session.closed":
        break
ws.close()
print("".join(translation))

Não negligencie o evento error: uma chave rejeitada não falha a própria ligação; chega logo a seguir como um evento error com o código invalid_api_key (observado a 3 de novembro de 2026). Em produção, a receção corre em paralelo com o envio, num thread ou tarefa separada, e o áudio traduzido vai para o leitor ou linha telefónica à medida que chega: o guia oficial fornece uma versão completa, incluindo a reprodução de áudio.

Pontos-chave

  • /v1/audio/translations e whisper-1 foram desativados a 26 de fevereiro de 2027, sem substituto direto: mudar o modelo não é suficiente
  • Para uma gravação: gpt-transcribe no idioma original, depois tradução de texto por um modelo de texto, para qualquer idioma
  • Mantenha a instrução de tradução em instructions e a transcrição como dados simples
  • Para fala em direto: uma sessão de tradução (/v1/realtime/translations, gpt-realtime-translate), que atua como intérprete, sem response.create
  • WebRTC no navegador, com um segredo de cliente criado pelo servidor; WebSocket do lado do servidor, com áudio PCM de 16 bits a 24 kHz