gpt-4o-transcribe-diarize
يحوّل GPT-4o Transcribe Diarize الكلام المسجّل إلى نص بمقاطع تحمل تسميات المتحدثين والتوقيت. يلائم الاجتماعات والمقابلات والتسجيلات متعددة المشاركين التي ينبغي أن يوضح تفريغها من تحدث ومتى، مع مراجع صوتية قصيرة اختيارية للمتحدثين المعروفين.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
GPT-4o Transcribe Diarize هو نموذج OpenAI للتعرّف التلقائي على الكلام مع فصل مدمج بين المتحدثين. يربط المقاطع الصوتية المفرّغة بمتحدثين مختلفين في المحادثة. النتيجة المفيدة تفريغ منظم بحسب المتحدث والوقت، لا مجرد كتلة كلمات متصلة. وهو مخصص للكلام المسجّل الذي يحتاج إلى تسميات للمتحدثين، مثل اجتماع أو مقابلة أو نقاش متعدد المشاركين.
جهّز التسجيل المكتمل
قدّم التسجيل المطلوب تفريغه. يقبل مسار الملفات الموثّق MP3 وMP4 وMPEG وMPGA وM4A وWAV وWebM، مع حد لحجم الملف قدره 25 MB. أبقِ التسجيل المصدر متاحًا حتى يمكن التحقق من دور متحدث أو اسم أو عبارة غير واضحة مقابل الصوت الفعلي.
للاجتماع، احتفظ بتسلسل المحادثة بدل حذف الوقفات القصيرة التي تساعد على تمييز الأدوار. للمقابلة، أبقِ السؤال والرد معًا عندما تحتاج المهمة إلى العلاقة بينهما. ينبغي أن يجعل إعداد الصوت الكلام مسموعًا من دون إزالة معلومات مهمة للنتيجة ذات تسميات المتحدثين.
هذا مسار لتفريغ الملفات. معالجة تسجيل مكتمل والتعرّف على تدفق صوتي لا يزال يصل مهمتان مختلفتان؛ ولا تُدعم تسميات المتحدثين في هذا النموذج ضمن جلسات تفريغ Realtime.
اطلب تفريغًا يحمل تسميات المتحدثين
يعيد تنسيق النتيجة diarized_json مقاطع تتضمن تسميات هوية المتحدث وتوقيت البداية والنهاية. يحتوي كل مقطع أيضًا على نصه المفرّغ. احتفظ بهذه الحقول معًا ليتم ربط الكلمات بالجزء المعني من التسجيل.
لتفريغ اجتماع مفيد، احتفظ بتسلسل المقاطع واعرض كلمات كل متحدث مع توقيتها. يمكن لمهمة لاحقة استخدام هذا التفريغ لإعداد محضر أو بنود عمل، لكن فصل المتحدثين في حد ذاته لا يحدّد ما اتُّفق عليه في الاجتماع ولا ينتج ملخصًا متحققًا منه.
تصف تسميات المتحدثين كيفية تجميع النموذج للكلام. افحص الانتقالات التي يقاطع فيها الأشخاص بعضهم أو يتحدثون بإيجاز أو تتداخل أصواتهم. تساعد النتيجة المنظمة على التصفح والمراجعة، بينما قد يظل إسناد معين بحاجة إلى الاستماع للصوت الأصلي.
مراجع المتحدثين المعروفين
يمكن للمسار الموثّق قبول ما يصل إلى أربعة مراجع مسمّاة للمتحدثين. كل مرجع مقطع صوتي قصير مدته 2–10 ثوانٍ بتنسيق يدعمه الرفع الرئيسي. تُقدَّم الأسماء والمراجع معًا حتى يمكن ربط المقاطع بمتحدثين معروفين.
جهّز مرجعًا يتضمن بوضوح المتحدث المقصود، وأبقِ اسمه متسقًا مع التسميات المطلوبة في التفريغ. في مقابلة، قد يساعد مرجع للمضيف على تنظيم النتيجة ذات تسميات المتحدثين بدل تحويل كل مشارك إلى تسمية مجهولة. المرجع مدخل للإسناد؛ وليس عملية عامة لاستنساخ الصوت أو إثباتًا لهوية شخص.
لا تخلط بين تسمية المتحدث وتحرير الكلمات المنطوقة. تظل المخرجات المفيدة بحاجة إلى الحفاظ على محتوى التسجيل والترتيب الفعلي للأدوار.
التقسيم إلى مقاطع وحدود النموذج
للصوت الأطول من 30 ثانية، يشترط المنتج استراتيجية تقسيم إلى مقاطع، إما تقسيمًا تلقائيًا أو تهيئة لاكتشاف النشاط الصوتي. هذا الشرط ليس حدًّا أقصى لمدة التسجيل. إنه يصف كيفية تقسيم المدخل الأطول للمعالجة.
تسرد بطاقة النموذج نافذة سياق قدرها 16,000 رمز وحدًّا أقصى يبلغ 2,000 رمز للإخراج. هذه حدود رموز للنموذج، منفصلة عن حد رفع الملفات البالغ 25 MB وعن عتبة التقسيم. لا ينبغي تحويلها إلى عدد دقائق مبتكر ينطبق على كل تسجيل.
احتفظ بالتوقيت وهوية المقاطع عند تجميع تفريغ أطول أو فحصه. إذا قُسّم التسجيل قبل الإرسال، فاحتفظ بعلاقة كل جزء بالصوت الأصلي حتى لا يُخلط بين توقيت محلي وموضعه في المحادثة الكاملة.
بث المقاطع المكتملة
يمكن لمسار تفريغ الملفات بث النص أثناء معالجة التسجيل. في البث ذي تسميات المتحدثين، تصدر عن المقاطع المكتملة أحداث مقاطع. تتضمن تحديثات النص معرّف مقطع، لكنها لا تحتوي على إسنادات جزئية للمتحدثين؛ ويُسنَد المتحدث عندما يكتمل المقطع.
يهم هذا التمييز في العرض. اعرض النص المؤقت ودور المتحدث المكتمل كحالتين مختلفتين، بدل إرفاق تسمية متحدث غير مؤكدة قبل أن يكمل النموذج المقطع. احتفظ بالنتيجة المكتملة عندما يكون التفريغ مطلوبًا للتحرير أو التحليل اللاحق.
حدود النموذج والمخرجات
هذه المواصفات تخص نموذج فصل المتحدثين، وهو منفصل عن تفريغ GPT-4o العادي وتفريغ Mini وتوليد الكلام ونماذج المحادثة المباشرة. لا يدعم موجّهات التفريغ؛ وأبقِ أي مراجعة للمصطلحات أو تصحيح خطوة منفصلة تُفحص مقابل الصوت الأصلي. واجهته لدى المنتج هي تفريغ الصوت المسجّل إلى نص. لا يولّد ردًا صوتيًا ولا يترجم التسجيل عبر مسار الترجمة الصوتية المنفصل.
استخدمه للتفريغات التي تحتاج إلى المحتوى وبنية المتحدثين معًا. افحص الأسماء والمصطلحات التقنية والأرقام وحدود الأدوار والإسنادات مقابل التسجيل. احتفظ بالصوت وتنسيق النتيجة المختار والمراجع والتفريغ المكتمل، حتى يستهدف التصحيح عبارة محددة أو إسنادًا معينًا لمتحدث.
Ailoot Ultra · التعرّف على الكلام POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize
openai/gpt-4o-transcribe-diarize
openai/gpt-4o-transcribe-diarizeالبداية
يحوّل GPT-4o Transcribe Diarize الكلام المسجّل إلى نص بمقاطع تحمل تسميات المتحدثين والتوقيت. يلائم الاجتماعات والمقابلات والتسجيلات متعددة المشاركين التي ينبغي أن يوضح تفريغها من تحدث ومتى، مع مراجع صوتية قصيرة اختيارية للمتحدثين المعروفين.
- المدخلات المقبولة
- الصوت
- النتائج
- transcription
متاح في Ailoot · المدخلات والطرائق
Ailoot Ultra · التعرّف على الكلام POST /v1/audio/transcriptions
- الإدخال
audio- الإخراج
transcription- صيغة الإخراج
- json
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود openai/gpt-4o-transcribe-diarize | القيمة الافتراضية— |
الحقلfile | النوعfile | المتطلبمطلوب | القيم والحدود الحد الأقصى للبايتات: 26,214,400 أنواع MIME: audio/mpeg امتداد الملف: .mp3 الحد الأقصى للمدة بالثواني: 30 | القيمة الافتراضية— |
الحقلresponse_format | النوعstring | المتطلبمطلوب | القيم والحدود diarized_json | القيمة الافتراضية— |
تركيبات مواد الإدخال
diarized_transcription
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتmultipart/form-data |
المعلمةrequired | المواصفاتmodel, file, response_format |
المعلمةfile_formats | المواصفاتmp3 |
المعلمةmax_audio_seconds | المواصفات30 |
المعلمةmax_bytes | المواصفات26214400 |
المعلمةresponse_format | المواصفاتdiarized_json |
المعلمةother_options | المواصفاتfalse |
المعلمةmaterial_types | المواصفاتaudio |
المعلمةadditional_properties | المواصفاتfalse |
المعلمةform_string_maximum_bytes | المواصفات256 |
الأسماء البديلة للطريقة: /audio/transcriptions
دورة الحياة: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
استخدم التسجيل الفعلي والتنسيق المطابق.
احتفظ بنص التفريغ كاملاً، والمقاطع، ومعرّفات المتحدثين، والتوقيت.
الباقات
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
- الوضع السريع
- غير محدد عند اختيار الوضع السريع
- الوضع المرن
- غير محدد عند اختيار وضع flex
- أقصى جهد للاستدلال
- غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال
تعرفات Ailoot
الأسعار حسب الإعدادات
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | وحدة الفوترة | الرسوم |
|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | وحدة الفوترة— | الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتUltra | جدول التعرفة— | وحدة الفوترة/ 1K من الرموز الصوتية | الرسوم الإدخال · رمز إدخال صوتي $0.012 / 1K من الرموز الصوتية |
| الإعداداتUltra | جدول التعرفة— | وحدة الفوترة/ 1K من الرموز الصوتية | الرسوم الإخراج · رمز إخراج صوتي $0.02 / 1K من الرموز الصوتية |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
أمثلة للطلبات
Ailoot Ultra · التعرّف على الكلام
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
p=Path(os.environ["AILOOT_AUDIO_FILE"])
if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" \
--form-string model=openai/gpt-4o-transcribe-diarize -F "file=@$AILOOT_AUDIO_FILE" --form-string response_format=diarized_json \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text())))
PY_RESULT
استلام النتائج وحفظها
Ailoot Ultra · التعرّف على الكلام
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
عمليات أخرى لقراءة المحتوى
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_ASSETS'
import json,os,subprocess
from pathlib import Path
from urllib.parse import urljoin,urlsplit
r=json.loads(Path('result.json').read_text())
urls=[]
if isinstance(r.get('asset_url'),str) and r['asset_url']:urls.append(('transcript',r['asset_url']))
for label,path in urls:
u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u)
if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL')
target=Path('owned-'+label+'.bin')
subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True)
print('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.')
PY_ASSETS
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بـJSON كاملاً، وليس النص وحده؛ وحافظ على كل مقطع ومتحدث وطابع زمني متاح، وعلى الهوية الفعلية للمهمة أو الأصل.
عند الحاجة إلى التحقق من الاستجابة الأصلية
احتفظ بقيمة operation_id/X-Client-Request-ID الأصلية للمطابقة دون إعادة الإرسال؛ لا يوجد مسار مخصص للاستعلام الدوري عن الصوت.
حقول الاستجابة
| الحقل | النوع |
|---|---|
الحقلtext | النوعstring |
الحقلsegments[] | النوعobject |
الحقلtask_id | النوعstring |
الحقلasset_url | النوعstring |
الحقلusage | النوعobject |
الحقلsegments[].speaker | النوعstring |
الحقلsegments[].start | النوعnumber |
الحقلsegments[].end | النوعnumber |
الأخطاء والخطوات التالية
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
الاستجابةserver_error | الشرطتشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحقق | الخطوة التاليةاحتفظ بمعرّف العملية أو المهمة الأصلي المُعاد، وبترويسات الطلب وبالاستجابة؛ وواصل عمليات القراءة المدعومة لتلك العملية الأصلية. لا تُعِد إرسال طلب الإنشاء. |
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot Ultra openai/gpt-4o-transcribe-diarize
الأسماء البديلة لمسارات الطرائق
/audio/transcriptions
معرّفات النماذج ذات الصلة IDs
FAQ · gpt-4o-transcribe-diarize
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe-diarize:audio→transcription- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe-diarize:model,file,response_format