[AI] docs: 自动更新 OpenAI 中文翻译

docs/zh/api/docs/models/compare.md

@@ -1,12 +1,12 @@
 # 比较模型
 
-> 如需完整的文档索引，请参阅 [llms.txt](/llms.txt)。文档页面的 Markdown 版本可通过在 `.md` 后附加到页面 URL 来获取。
+> 完整文档索引请参阅 [llms.txt](/llms.txt). 文档页面的 Markdown 版本可通过在页面 URL 后追加 `.md` 获取。
 
-> 比较当前模型的能力、上下文窗口和 token 定价。
+> 比较当前模型的能力、上下文窗口和 token 价格。
 
-| 模型 | 上下文窗口 | 最大输出 | 支持的端点 |
+| Model | 上下文窗口 | 最大输出 | 支持的端点 |
 | --- | ---: | ---: | --- |
-| [GPT-5.6 Sol](/api/docs/models/gpt-5.6-sol.md) | 1,050,000 | 128,000 | Chat Completions、Responses、Batch |
-| [GPT-5.6 Terra](/api/docs/models/gpt-5.6-terra.md) | 1,050,000 | 128,000 | Chat Completions、Responses、Batch |
-| [GPT-5.6 Luna](/api/docs/models/gpt-5.6-luna.md) | 1,050,000 | 128,000 | Chat Completions、Responses、Batch |
-| [GPT-5.5](/api/docs/models/gpt-5.5.md) | 1,050,000 | 128,000 | Chat Completions、Responses、Batch |
+| [GPT-5.6 Sol](/api/docs/models/gpt-5.6-sol.md) | 1,050,000 | 128,000 | Chat Completions, Responses, Batch |
+| [GPT-5.6 Terra](/api/docs/models/gpt-5.6-terra.md) | 1,050,000 | 128,000 | Chat Completions, Responses, Batch |
+| [GPT-5.6 Luna](/api/docs/models/gpt-5.6-luna.md) | 1,050,000 | 128,000 | Chat Completions, Responses, Batch |
+| [GPT-5.5](/api/docs/models/gpt-5.5.md) | 1,050,000 | 128,000 | Chat Completions, Responses, Batch |

docs/zh/api/docs/supported-countries.md

@@ -1,8 +1,8 @@
 # 支持的国家和地区
 
-> 完整文档索引请参阅 [llms.txt](/llms.txt). 文档页面的 Markdown 版本可通过在页面 URL 后追加 `.md` 获取。
+> 如需查看完整文档索引，请参阅 [llms.txt](/llms.txt)。在页面 URL 后追加 `.md` 即可获取文档页面的 Markdown 版本。
 
-在下方列出的国家和地区之外访问或提供对我们服务的访问，可能导致你的账户被封锁或暂停。
+在下列国家及地区之外访问或提供对我们服务的访问，可能会导致你的账户被封禁或暂停。
 
 - 阿尔巴尼亚
 - 阿尔及利亚
@@ -61,7 +61,7 @@
 - 赤道几内亚
 - 厄立特里亚
 - 爱沙尼亚
-- 斯威士兰（史瓦帝尼）
+- 斯威士兰
 - 埃塞俄比亚
 - 法罗群岛
 - 斐济
@@ -84,7 +84,7 @@
 - 几内亚比绍
 - 圭亚那
 - 海地
-- 梵蒂冈（罗马教廷）
+- 梵蒂冈（教廷）
 - 洪都拉斯
 - 匈牙利
 - 冰岛
@@ -187,11 +187,11 @@
 - 瑞士
 - 苏丹
 - 斯瓦尔巴和扬马延
-- 台湾
+- 中国台湾
 - 塔吉克斯坦
 - 坦桑尼亚
 - 泰国
-- 东帝汶（帝汶岛）
+- 东帝汶
 - 多哥
 - 汤加
 - 特立尼达和多巴哥
@@ -200,10 +200,10 @@
 - 土库曼斯坦
 - 图瓦卢
 - 乌干达
-- 乌克兰（某些例外情况除外）
-- 阿拉伯联合酋长国
+- 乌克兰（有特定例外）
+- 阿联酋
 - 英国
-- 美国
+- 美利坚合众国
 - 乌拉圭
 - 乌兹别克斯坦
 - 瓦努阿图

docs/zh/api/docs/tutorials/meeting-minutes.md

@@ -1,14 +1,14 @@
 # 会议纪要
 
-> 关于完整的文档索引，请参阅 [llms.txt](/llms.txt)。文档页面的 Markdown 版本可通过在页面 URL 后追加 `.md` 来访问。
+> 完整文档索引请参阅 [llms.txt](/llms.txt). 文档页面的 Markdown 版本可通过在页面 URL 后追加 `.md` 来获取。
 
-在本教程中，我们将利用 OpenAI 的 Whisper 和 GPT 模型开发一个自动会议纪要生成器。该应用会转录会议音频，提供讨论摘要，提取关键点和行动项，并进行情感分析。
+在本教程中，我们将利用 OpenAI 的 Whisper 和 GPT 模型开发一个自动化的会议纪要生成器。该应用会转写会议音频，提供讨论摘要，提取关键要点和行动项，并进行情感分析。
 
-## 开始使用
+## 入门指南
 
-本教程假定你对 Python 有基本了解，并且已经拥有 [OpenAI API 密钥](https://platform.openai.com/settings/organization/api-keys)。你可以使用本教程提供的音频文件，也可以使用自己的。
+本教程假定你具备 Python 的基础知识，并且拥有 [OpenAI API 密钥](https://platform.openai.com/settings/organization/api-keys)。你可以使用本教程提供的音频文件，也可以使用自己的音频文件。
 
-此外，你还需要安装 [python-docx](https://python-docx.readthedocs.io/en/latest/) 和 [OpenAI](https://developers.openai.com/api/docs/libraries) 库。你可以使用以下命令创建新的 Python 环境并安装所需的包：
+此外，你还需要安装 [python-docx](https://python-docx.readthedocs.io/en/latest/) 和 [OpenAI](https://developers.openai.com/api/docs/libraries) 库。你可以使用以下命令创建一个新的 Python 环境并安装所需的包：
 
 ```bash
 python -m venv env
@@ -54,8 +54,8 @@ pip install python-docx
 
 
 
-接下来，我们导入所需的包并定义一个函数，该函数使用 Whisper 模型接收音频文件并
-进行转录：
+接下来，我们导入所需的包，并定义一个使用 Whisper 模型接收音频文件并
+对其进行转录的函数：
 
 ```python
 from docx import Document
@@ -74,15 +74,15 @@ def transcribe_audio(audio_file_path):
 ```
 
 
-在这个函数中， `audio_file_path` 是你要转录的音频文件的路径。该函数打开此文件并将其传递给 Whisper ASR 模型（`whisper-1`）进行转录。结果以原始文本形式返回。需要注意的是， `openai.Audio.transcribe` 该函数要求传入实际的音频文件，而不仅仅是本地或远程服务器上的文件路径。这意味着，如果你在服务器上运行此代码，而音频文件可能不存储在该服务器上，你需要有一个预处理步骤，首先将音频文件下载到该设备上。
+在这个函数中， `audio_file_path` 是你要转录的音频文件的路径。该函数会打开此文件并将其传递给 Whisper ASR 模型（`whisper-1`）进行转录。结果以原始文本形式返回。需要注意的是， `openai.Audio.transcribe` 函数需要传入实际的音频文件，而不仅仅是本地或远程服务器上的文件路径。这意味着，如果你在某个服务器上运行此代码，而该服务器上并未存储音频文件，则需要一个预处理步骤，先将音频文件下载到该设备上。
 
-## 使用 GPT 模型总结和分析转录文本
+## 使用 GPT 模型对转录文本进行摘要和分析
 
-获得转录文本后，我们现在通过 [Chat Completions API](https://developers.openai.com/api/reference/resources/chat)。将其传递给 GPT 模型。下面的代码片段使用一个经过测试的模型来生成摘要、提取关键点、行动项并进行情感分析。对于新项目，从 [`gpt-5.6`](https://developers.openai.com/api/docs/models/gpt-5.6-sol).
+获得转录文本后，我们现在通过以下方式将其传递给 GPT 模型： [Chat Completions API](https://developers.openai.com/api/reference/resources/chat)。下面的代码片段使用一个经过测试的模型来生成摘要、提取要点、行动项，并执行情感分析。对于新项目，请从 [`gpt-5.6`](https://developers.openai.com/api/docs/models/gpt-5.6-sol).
 
-本教程为希望模型执行的每项任务使用不同的函数。这不是完成此任务的最有效方式——你可以将这些指令放入一个函数中，然而，将它们拆分可以带来更高质量的摘要。
+本教程为每个希望模型执行的任务使用了不同的函数。这并不是执行此任务最高效的方式——你可以将这些指令放在一个函数中，不过，将它们拆分开通常能获得更高质量的摘要。
 
-为了拆分任务，我们定义了 `meeting_minutes` 函数，该函数将作为此应用程序的主函数：
+为了拆分这些任务，我们定义 `meeting_minutes` 函数，它将作为本应用的主函数：
 
 ```python
 def meeting_minutes(transcription):
@@ -99,13 +99,13 @@ def meeting_minutes(transcription):
 ```
 
 
-在此函数中， `transcription` 是我们从 Whisper 获得的文本。转录文本可以传递给另外四个函数，每个函数旨在执行特定任务： `abstract_summary_extraction` 生成会议摘要， `key_points_extraction` 提取关键点， `action_item_extraction` 识别行动项，以及 `sentiment_analysis performs` 进行情感分析。如果你有其他想要的功能，也可以使用上面所示的相同框架添加。
+在这个函数中， `transcription` 是从 Whisper 获得的文本。该转录内容可以传递给其他四个函数，每个函数都被设计用于执行特定任务： `abstract_summary_extraction` 生成会议摘要， `key_points_extraction` 提取主要要点， `action_item_extraction` 识别行动项，以及 `sentiment_analysis performs` 进行情感分析。如果还需要其他能力，你也可以使用上面展示的同一框架将它们添加进来。
 
-以下是这些函数各自的工作方式：
+下面是这些函数各自的工作方式：
 
 ### 摘要提取
 
-该 `abstract_summary_extraction` 函数获取转录内容并将其总结为一段简洁的摘要，旨在保留最重要的要点，同时避免不必要的细节或无关的话题。实现此过程的主要机制是系统消息，如下所示。通过通常称为提示工程的流程，有许多不同的方法可以达到类似的结果。你可以阅读我们的 [提示工程指南](https://developers.openai.com/api/docs/guides/prompt-engineering) ，其中提供了关于如何最有效地进行此操作的深入建议。
+该 `abstract_summary_extraction` 函数接收转录内容并将其总结为一段简洁的摘要，目标是保留最重要的要点，同时避免不必要的细节或离题内容。启用此过程的主要机制是如下所示的系统消息。通过通常称为提示工程的过程，可以有许多不同的方式来实现类似的结果。你可以阅读我们的 [提示工程指南](https://developers.openai.com/api/docs/guides/prompt-engineering) ，其中就如何最有效地进行此操作提供了深入的指导建议。
 
 ```python
 def abstract_summary_extraction(transcription):
@@ -125,7 +125,7 @@ def abstract_summary_extraction(transcription):
 
 ### 要点提取
 
-该 `key_points_extraction` 函数识别并列出会议中讨论的主要观点。这些观点应代表对讨论本质至关重要的最重要想法、发现或主题。同样，控制这些观点识别方式的主要机制是系统消息。你可能需要在此处添加一些关于你的项目或公司运作方式的额外背景，例如“我们是一家向消费者销售赛车的公司。我们以 XYZ 为目标开展 XYZ 业务”。这些额外背景可以显著提高模型提取相关信息的能力。
+该 `key_points_extraction` 函数用于识别并列出会议中讨论的要点。这些要点应代表讨论中最核心的重要观点、发现或话题。同样，控制这些要点识别方式的主要机制是系统消息。你可能希望在此处补充一些关于你的项目或公司运作方式的额外上下文，例如“我们是一家向消费者销售赛车的公司。我们做 XYZ，目标是 XYZ”。这些额外的上下文可以显著提升模型提取相关信息的能力。
 
 ```python
 def key_points_extraction(transcription):
@@ -143,9 +143,9 @@ def key_points_extraction(transcription):
 ```
 
 
-### 操作项提取
+### 行动项提取
 
-该 `action_item_extraction` 函数识别会议期间商定或提及的任务、分配事项或行动。这些可以是分配给特定个人的任务，也可以是团队决定采取的总体行动。虽然本教程不涉及，但Chat Completions API提供了 [函数调用能力](https://developers.openai.com/api/docs/guides/function-calling) ，使您能够构建功能，自动在任务管理软件中创建任务并分配给相关人员。
+该 `action_item_extraction` function 用于识别会议中达成一致或被提及的任务、待办事项或行动。这些任务可以是指派给特定人员的，也可以是小组决定采取的通用行动。虽然本教程不涉及这部分内容，但 Chat Completions API 提供了一个 [函数调用功能](https://developers.openai.com/api/docs/guides/function-calling) ，借助它你可以自动在你的任务管理软件中创建任务并分派给相关人员。
 
 ```python
 def action_item_extraction(transcription):
@@ -165,7 +165,7 @@ def action_item_extraction(transcription):
 
 ### 情感分析
 
-该 `sentiment_analysis` 函数分析整个讨论的总体情感。它会考虑语气、所用语言传达的情绪以及词语和短语使用的语境。对于较简单的任务，也值得尝试 [`gpt-5.6-terra`](https://developers.openai.com/api/docs/models/gpt-5.6-terra) ，看看是否能以更低的成本和延迟获得相似的性能水平。尝试将 `sentiment_analysis` 函数的结果传递给其他函数，以观察对话情感如何影响其他属性，这可能会很有用。
+该 `sentiment_analysis` 函数分析讨论的整体情感。它会考虑语气、语言所传达的情绪，以及词语和短语使用的上下文。对于不太复杂的任务，还可以尝试 [`gpt-5.6-terra`](https://developers.openai.com/api/docs/models/gpt-5.6-terra) 看看能否在更低的成本和延迟下获得相近的性能。同样值得尝试的是，将 `sentiment_analysis` 函数的结果传递给其他函数，看看对话的情感如何影响其他属性。
 
 ```python
 def sentiment_analysis(transcription):
@@ -221,9 +221,9 @@ def save_as_docx(minutes, filename):
 ```
 
 
-在这个函数中，minutes 是一个包含会议摘要、关键点、行动项和情感分析的字典。Filename 是要创建的 Word 文档文件的名称。该函数创建一个新的 Word 文档，为会议记录的每个部分添加标题和内容，然后将文档保存到当前工作目录。
+在这个函数中，minutes 是一个字典，包含会议的摘要总结、关键要点、行动项和情感分析。Filename 是要创建的 Word 文档文件名。该函数会创建一个新的 Word 文档，为 minutes 的每个部分添加标题和内容，然后将文档保存到当前工作目录。
 
-最后，你可以将所有内容组合起来，从音频文件生成会议记录：
+最后，你可以将所有内容整合起来，从一个音频文件生成会议纪要：
 
 ```python
 audio_file_path = "Earningscall.wav"
@@ -235,6 +235,6 @@ save_as_docx(minutes, "meeting_minutes.docx")
 ```
 
 
-这段代码将转录音频文件 `Earningscall.wav`，生成会议记录，打印它们，然后将其保存到名为 `meeting_minutes.docx`.
+这段代码会转录音频文件 `Earningscall.wav`，生成会议纪要，将其打印出来，然后保存到一个名为 `meeting_minutes.docx`.
 
-现在你已经有了基本的会议记录处理设置，可以考虑尝试通过 [提示工程](https://developers.openai.com/api/docs/guides/prompt-engineering) 来优化性能，或使用原生 [函数调用](https://developers.openai.com/api/docs/guides/function-calling).
+现在你已经有了基本的会议纪要处理流程，可以尝试通过 [提示工程](https://developers.openai.com/api/docs/guides/prompt-engineering) 来优化性能，或者使用原生 [函数调用](https://developers.openai.com/api/docs/guides/function-calling).

docs/zh/api/reference/administration/overview.md

@@ -1,11 +1,11 @@
-# 管理概览
+# 管理概述
 
-> 如需查看完整的文档索引，请参阅 [llms.txt](/llms.txt)。文档页面的 Markdown 版本可通过在页面 URL 后追加 `.md` 获取。
+> 完整的文档索引请参见 [llms.txt](/llms.txt)。可通过在页面 URL 末尾追加 `.md` 来获取文档页面的 Markdown 版本。
 
-使用管理 API 来管理组织资源，如用户、邀请、项目、API 密钥和审计日志。
-要访问这些端点， [创建管理 API 密钥](https://platform.openai.com/settings/organization/admin-keys). 管理 API 密钥不能用于非管理端点。
+使用 Administration API 管理组织资源，例如用户、邀请、项目、API 密钥和审计日志。
+要访问这些端点， [请创建一个 Admin API 密钥](https://platform.openai.com/settings/organization/admin-keys)。Admin API 密钥不能用于非管理类端点。
 
 相关指南：
 
-- [设置组织的推荐做法](https://developers.openai.com/api/docs/guides/production-best-practices#setting-up-your-organization)
-- [使用管理API](https://developers.openai.com/api/docs/guides/admin-apis).
+- [设置组织的最佳实践](https://developers.openai.com/api/docs/guides/production-best-practices#setting-up-your-organization)
+- [使用 Admin APIs](https://developers.openai.com/api/docs/guides/admin-apis).

docs/zh/api/reference/realtime-beta/overview.md

@@ -1,6 +1,6 @@
 # Realtime Beta 概述
 
-> 关于完整的文档索引，请参阅 [llms.txt](/llms.txt)。可通过在页面 URL 后追加 `.md` 来获取文档页面的 Markdown 版本。
+> 如需完整的文档索引，请参阅 [llms.txt](/llms.txt)。通过在页面 URL 后追加 `.md` 可获取文档页面的 Markdown 版本。
 
-通过 WebRTC、WebSocket 和 SIP 等低延迟接口与多模态模型实时通信。原生支持语音到语音以及文本、图像和音频的输入和输出。
+通过 WebRTC、WebSocket 和 SIP 等低延迟接口，与多模态模型进行实时通信。原生支持语音到语音，以及文本、图像和音频输入与输出。
 [详细了解 Realtime API](https://developers.openai.com/docs/guides/realtime).

docs/zh/api/reference/resources/audio/subresources/speech/methods/create.md

@@ -1,22 +1,22 @@
-> 完整的文档索引，请参阅 [llms.txt](/llms.txt)。文档页面的 Markdown 版本可通过在页面 URL 后追加 `.md` 来获取。
+> 完整文档索引请参阅 [llms.txt](/llms.txt)。可通过在页面 URL 后追加以下内容获取文档页面的 Markdown 版本： `.md` 。
 
-## 创建语音
+## Create speech
 
 **post** `/audio/speech`
 
 根据输入文本生成音频。
 
 返回音频文件内容，或音频事件流。
 
-### 请求体参数
+### Body Parameters
 
 - `input: string`
 
-  要生成音频的文本。最大长度为 4096 个字符。
+  用于生成音频的文本。最大长度为 4096 个字符。
 
 - `model: string or SpeechModel`
 
-  可用的 [TTS 模型](/docs/models#tts): `tts-1`, `tts-1-hd`, `gpt-4o-mini-tts`，之一， `gpt-4o-mini-tts-2025-12-15`.
+  以下可用的 [TTS 模型](/docs/models#tts): `tts-1`, `tts-1-hd`, `gpt-4o-mini-tts`，之一，或 `gpt-4o-mini-tts-2025-12-15`.
 
   - `string`
 
@@ -32,7 +32,7 @@
 
 - `voice: string or "alloy" or "ash" or "ballad" or 7 more or object { id }`
 
-  生成音频时使用的语音。支持的内置语音为 `alloy`, `ash`, `ballad`, `coral`, `echo`, `fable`, `onyx`, `nova`, `sage`, `shimmer`, `verse`, `marin`，以及 `cedar`。你也可以提供带有 `id`，的自定义语音对象，例如 `{ "id": "voice_1234" }`。语音预览可在 [文本转语音指南](/docs/guides/text-to-speech#voice-options).
+  生成音频时使用的语音。支持的内置语音包括 `alloy`, `ash`, `ballad`, `coral`, `echo`, `fable`, `onyx`, `nova`, `sage`, `shimmer`, `verse`, `marin`，以及 `cedar`。你也可以提供一个包含 `id`，的自定义语音对象，例如 `{ "id": "voice_1234" }`。语音试听可在 [文本转语音指南](/docs/guides/text-to-speech#voice-options).
 
   - `string`
 
@@ -68,11 +68,11 @@
 
 - `instructions: optional string`
 
-  通过附加指令控制生成的音频语音。不适用于 `tts-1` 或 `tts-1-hd`.
+  使用附加指令控制生成音频的语音。不适用于 `tts-1` 或 `tts-1-hd`.
 
 - `response_format: optional "mp3" or "opus" or "aac" or 3 more`
 
-  音频的格式。支持的格式为 `mp3`, `opus`, `aac`, `flac`, `wav`，以及 `pcm`.
+  音频的格式。支持格式包括 `mp3`, `opus`, `aac`, `flac`, `wav`，以及 `pcm`.
 
   - `"mp3"`
 
@@ -88,11 +88,11 @@
 
 - `speed: optional number`
 
-  生成音频的速度。从 `0.25` 到 `4.0`. `1.0` 中选择一个值，默认值为。
+  生成音频的速度。选择介于 `0.25` 至 `4.0`. `1.0` 之间的值，默认值为 1.0。
 
 - `stream_format: optional "sse" or "audio"`
 
-  流式传输音频的格式。支持的格式为 `sse` 和 `audio`. `sse` 不受支持用于 `tts-1` 或 `tts-1-hd`.
+  流式传输音频的格式。支持格式包括 `sse` 和 `audio`. `sse` 不受支持 `tts-1` 或 `tts-1-hd`.
 
   - `"sse"`