VoiceAgentInputTranscriptionModel type
Identyfikator modelu transkrypcji wejściowo-audio. To jest nazwa modelu, a nie wdrożenia Foundry. Odzwierciedla modele transkrypcji obsługiwane przez zarządzany backend głosowy, obejmując modele transkrypcji OpenAI Realtime oraz modele Azure i MAI.
azure-speech-streaming jest obsługiwany tylko dla kaskadowych rozmów w modelu tekstowym (nie dla modeli mowy w czasie rzeczywistym), wymaga niepustego language rozmowy takiego jak en-US (obsługiwane są lokalizacje rozdzielone przecinkami), oraz obsługuje custom_speech, phrase_list, oraz profanity_filter.
Dodatkowe wartości mogą być dodawane w czasie.
type VoiceAgentInputTranscriptionModel =
| "whisper-1"
| "gpt-realtime-whisper"
| "gpt-4o-transcribe"
| "gpt-4o-mini-transcribe"
| "gpt-4o-transcribe-diarize"
| "gpt-transcribe"
| "gpt-live-transcribe"
| "mai-transcribe"
| "azure-speech"
| "azure-speech-streaming"