การใช้งานด้านเสียง

เอกสารประกอบสำหรับการดำเนินการด้านเสียงใน node OpenAI ใน n8n ซึ่งเป็นแพลตฟอร์มอัตโนมัติของ workflow รวมรายละเอียดการดำเนินการและการกำหนดค่า และลิงก์ไปยังตัวอย่างและข้อมูลประจำตัว

ใช้การดำเนินการนี้เพื่อสร้างเสียง หรือถอดเสียงหรือแปลการบันทึกใน OpenAI อ้างถึง OpenAI สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ node OpenAI

สร้างเสียง

ใช้การดำเนินการนี้เพื่อสร้างเสียงจากข้อความแจ้ง

ป้อน parameter เหล่านี้:

• Credential to connect with : สร้างหรือเลือกที่มีอยู่ OpenAI credentials.
• Resource : เลือก Audio.
• Operation : เลือก Generate Audio.
• Model : เลือกรุ่นที่คุณต้องการใช้เพื่อสร้างเสียง อ้างถึง ทีทีเอส | OpenAI สำหรับข้อมูลเพิ่มเติม
  • TTS-1 : ใช้ตัวเลือกนี้เพื่อปรับความเร็วให้เหมาะสม
  • TTS-1-HD : ใช้ตัวเลือกนี้เพื่อปรับคุณภาพให้เหมาะสม
• Text Input : ป้อนข้อความเพื่อสร้างเสียง ความยาวสูงสุดคือ 4096 อักขระ
• Voice : เลือกเสียงที่จะใช้ในการสร้างเสียง ฟังตัวอย่างเสียงได้ใน คู่มือการอ่านออกเสียงข้อความ | OpenAI .

Options

• Response Format : เลือกรูปแบบสำหรับการตอบสนองเสียง เลือกจาก MP3 (ค่าเริ่มต้น) OPUS, AAC, FLAC, WAV และ PCM.
• Audio Speed : ป้อนความเร็วสำหรับเสียงที่สร้างขึ้นจากค่าจาก 0.25 ถึง 4.0 . ค่าเริ่มต้นเป็น 1.
• Put Output in Field : ค่าเริ่มต้นเป็น data . ป้อนชื่อของฟิลด์ output เพื่อใส่ข้อมูลไฟล์ไบนารี่

อ้างถึง สร้างคำพูด | OpenAI เอกสารประกอบสำหรับข้อมูลเพิ่มเติม

ถอดเสียงการบันทึก

ใช้การดำเนินการนี้เพื่อถอดเสียงเป็นข้อความ OpenAI API จำกัดขนาดของไฟล์เสียงไว้ที่ 25 MB OpenAI จะใช้ whisper-1 โมเดลตามค่าเริ่มต้น

ป้อน parameter เหล่านี้:

• Credential to connect with : สร้างหรือเลือกที่มีอยู่ OpenAI credentials.
• Resource : เลือก Audio.
• Operation : เลือก Transcribe a Recording.
• Input Data Field Name : ค่าเริ่มต้นเป็น data . ป้อนชื่อของคุณสมบัติไบนารี่ที่มีไฟล์เสียงในรูปแบบใดรูปแบบหนึ่งเหล่านี้: .flac, .mp3, .mp4, .mpeg, .mpga, .m4a, .ogg, .wav หรือ .webm.

Options

• Language of the Audio File : ป้อนภาษาของเสียง input ISO-639-1 . ใช้ตัวเลือกนี้เพื่อปรับปรุงความแม่นยำและเวลาแฝง
• Output Randomness (Temperature) : ค่าเริ่มต้นเป็น 1.0 . ปรับความสุ่มของการตอบสนอง มีช่วงอยู่ระหว่าง 0.0 (กำหนดไว้) และ 1.0 (การสุ่มสูงสุด) เราขอแนะนำให้แก้ไขสิ่งนี้หรือ Output Randomness (Top P) แต่ไม่ใช่ทั้งสองอย่าง เริ่มต้นด้วยอุณหภูมิปานกลาง (ประมาณ 0.7) และปรับตามผลลัพธ์ที่คุณสังเกตเห็น หากการตอบสนองซ้ำหรือเข้มงวดเกินไป ให้เพิ่มอุณหภูมิ หากมันวุ่นวายเกินไปหรือออกนอกลู่นอกทาง ให้ลดมันลง

อ้างถึง สร้างการถอดเสียง | OpenAI เอกสารประกอบสำหรับข้อมูลเพิ่มเติม

แปลการบันทึก

ใช้การดำเนินการนี้เพื่อแปลเสียงเป็นภาษาอังกฤษ OpenAI API จำกัดขนาดของไฟล์เสียงไว้ที่ 25 MB OpenAI จะใช้ whisper-1 โมเดลตามค่าเริ่มต้น

ป้อน parameter เหล่านี้:

• Credential to connect with : สร้างหรือเลือกที่มีอยู่ OpenAI credentials.
• Resource : เลือก Audio.
• Operation : เลือก Translate a Recording.
• Input Data Field Name : ค่าเริ่มต้นเป็น data . ป้อนชื่อของคุณสมบัติไบนารี่ที่มีไฟล์เสียงในรูปแบบใดรูปแบบหนึ่งเหล่านี้: .flac, .mp3, .mp4, .mpeg, .mpga, .m4a, .ogg, .wav หรือ .webm.

Options

• Output Randomness (Temperature) : ค่าเริ่มต้นเป็น 1.0 . ปรับความสุ่มของการตอบสนอง มีช่วงอยู่ระหว่าง 0.0 (กำหนดไว้) และ 1.0 (การสุ่มสูงสุด) เราขอแนะนำให้แก้ไขสิ่งนี้หรือ Output Randomness (Top P) แต่ไม่ใช่ทั้งสองอย่าง เริ่มต้นด้วยอุณหภูมิปานกลาง (ประมาณ 0.7) และปรับตามผลลัพธ์ที่คุณสังเกตเห็น หากการตอบสนองซ้ำหรือเข้มงวดเกินไป ให้เพิ่มอุณหภูมิ หากมันวุ่นวายเกินไปหรือออกนอกลู่นอกทาง ให้ลดมันลง

อ้างถึง สร้างการถอดเสียง | OpenAI เอกสารประกอบสำหรับข้อมูลเพิ่มเติม

ปัญหาทั่วไป

สำหรับข้อผิดพลาดหรือปัญหาทั่วไปและขั้นตอนการแก้ปัญหาที่แนะนำ โปรดดูที่ Common issues.