GPT-4o Transcribe Diarize er OpenAIs model til automatisk talegenkendelse med indbygget taleradskillelse. Den knytter transskriberede lydsegmenter til forskellige talere i en samtale. Det nyttige resultat er en transskription organiseret efter taler og tid frem for blot én sammenhængende tekstblok. Modellen er beregnet til optaget tale, der kræver talermærkning, eksempelvis et møde, et interview eller en diskussion med flere personer.
Lever den optagelse, der skal transskriberes. Den dokumenterede filarbejdsgang accepterer MP3, MP4, MPEG, MPGA, M4A, WAV og WebM med en filstørrelsesgrænse på 25 MB. Bevar kildeoptagelsen, så et talerskift, et navn eller en uklar formulering kan kontrolleres mod den faktiske lyd.
Ved et møde skal du bevare samtalens rækkefølge frem for at klippe de korte pauser væk, som hjælper med at skelne talerskift. Ved et interview skal du holde spørgsmål og svar sammen, når deres relation er vigtig for opgaven. Lydforberedelsen skal gøre talen hørbar uden at fjerne oplysninger, der er vigtige for det talermærkede resultat.
Dette er en arbejdsgang til filtransskription. Behandling af en afsluttet optagelse og genkendelse af en lydstrøm, som stadig modtages, er forskellige opgaver; modellens talermærkning understøttes ikke i Realtime-transskriptionssessioner.
Resultatformatet diarized_json returnerer segmenter med taleridentitetsmærker og start- og sluttider. Hvert segment indeholder også sin transskriberede tekst. Hold felterne samlet, så ordene kan knyttes til den relevante del af optagelsen.
For at få en nyttig mødetransskription skal du bevare segmenternes rækkefølge og vise hver talers ord med deres tidsangivelser. En senere opgave kan bruge transskriptionen til at udarbejde et referat eller handlingspunkter, men taleradskillelsen afgør ikke i sig selv, hvad der blev aftalt på mødet, og skaber heller ikke en verificeret opsummering.
Talermærkerne beskriver modellens gruppering af talen. Undersøg overgange, hvor personer afbryder hinanden, taler kort eller taler samtidig. Et velstruktureret resultat hjælper med navigation og gennemgang, mens en bestemt tilskrivning stadig kan kræve, at man lytter til den originale lyd.
Den dokumenterede arbejdsgang kan modtage op til fire navngivne talerreferencer. Hver reference er et kort lydklip på 2–10 sekunder i et format, som hoveduploaden understøtter. Navne og referencer leveres sammen, så segmenter kan forbindes med kendte talere.
Forbered en reference, der tydeligt indeholder den tilsigtede taler, og hold navnet i overensstemmelse med de ønskede mærker i transskriptionen. Ved et interview kan en reference til værten hjælpe med at organisere det talermærkede resultat uden at gøre alle deltagere til anonyme mærker. Referencen er input til talertilskrivning; den er ikke en generel stemmekloningsfunktion eller et bevis på en persons identitet.
Forveksl ikke navngivning af en taler med redigering af de ord, der blev sagt. Det nyttige output skal stadig bevare optagelsens indhold og den faktiske rækkefølge af talerskift.
For lyd på over 30 sekunder kræver leverandøren en opdelingsstrategi, enten automatisk opdeling eller en konfiguration til registrering af taleaktivitet. Dette krav er ikke en maksimal optagelsesvarighed. Det beskriver, hvordan længere input opdeles til behandling.
Modelkortet angiver et kontekstvindue på 16.000 tokens og maksimalt 2.000 outputtokens. Det er modellens tokengrænser, som er adskilt fra filarbejdsgangens uploadgrænse på 25 MB og tærsklen for opdeling. De skal ikke omregnes til et opdigtet antal minutter, der gælder for alle optagelser.
Bevar tidsangivelser og segmentidentitet, når du samler eller undersøger en længere transskription. Hvis en optagelse er opdelt før indsendelsen, skal du bevare hver dels relation til den originale lyd, så et lokalt tidsstempel ikke forveksles med dets placering i den fulde samtale.
Filarbejdsgangen til transskription kan streame tekst, mens optagelsen behandles. Ved talermærket streaming udsender færdiggjorte segmenter segmenthændelser. Tekstdeltaer indeholder en segmentidentifikator, men ikke foreløbige talertildelinger; en taler tildeles, når segmentet er færdiggjort.
Denne forskel er vigtig for præsentationen. Vis foreløbig tekst og et færdiggjort talerindlæg som forskellige tilstande frem for at tilføje et usikkert talermærke, før modellen har afsluttet segmentet. Gem det færdige resultat, når transskriptionen skal bruges til senere redigering eller analyse.
Denne profil er modellen til taleradskillelse, adskilt fra almindelig GPT-4o-transskription, Mini-transskription, talesyntese og modeller til live-samtaler. Den understøtter ikke transskriptionsprompter; hold enhver gennemgang eller rettelse af terminologi som et separat trin, der kontrolleres mod den originale lyd. Leverandørens grænseflade transskriberer optaget lyd til tekst. Den genererer ikke et lydsvar og oversætter ikke en optagelse gennem den separate arbejdsgang til lydoversættelse.
Brug modellen til transskriptioner, der kræver både indhold og talerstruktur. Kontroller navne, fagtermer, tal, talerskift og tilskrivninger mod optagelsen. Gem lyden, det valgte resultatformat, referencerne og den færdige transskription, så en rettelse kan vedrøre én konkret formulering eller talertildeling.
", "aboutText": "GPT-4o Transcribe Diarize er OpenAIs model til automatisk talegenkendelse med indbygget taleradskillelse. Den knytter transskriberede lydsegmenter til forskellige talere i en samtale. Det nyttige resultat er en transskription organiseret efter taler og tid frem for blot én sammenhængende tekstblok. Modellen er beregnet til optaget tale, der kræver talermærkning, eksempelvis et møde, et interview eller en diskussion med flere personer.\n\n### Forbered den afsluttede optagelse\n\nLever den optagelse, der skal transskriberes. Den dokumenterede filarbejdsgang accepterer MP3, MP4, MPEG, MPGA, M4A, WAV og WebM med en filstørrelsesgrænse på 25 MB. Bevar kildeoptagelsen, så et talerskift, et navn eller en uklar formulering kan kontrolleres mod den faktiske lyd.\n\nVed et møde skal du bevare samtalens rækkefølge frem for at klippe de korte pauser væk, som hjælper med at skelne talerskift. Ved et interview skal du holde spørgsmål og svar sammen, når deres relation er vigtig for opgaven. Lydforberedelsen skal gøre talen hørbar uden at fjerne oplysninger, der er vigtige for det talermærkede resultat.\n\nDette er en arbejdsgang til filtransskription. Behandling af en afsluttet optagelse og genkendelse af en lydstrøm, som stadig modtages, er forskellige opgaver; modellens talermærkning understøttes ikke i Realtime-transskriptionssessioner.\n\n### Anmod om en talermærket transskription\n\nResultatformatet `diarized_json` returnerer segmenter med taleridentitetsmærker og start- og sluttider. Hvert segment indeholder også sin transskriberede tekst. Hold felterne samlet, så ordene kan knyttes til den relevante del af optagelsen.\n\nFor at få en nyttig mødetransskription skal du bevare segmenternes rækkefølge og vise hver talers ord med deres tidsangivelser. En senere opgave kan bruge transskriptionen til at udarbejde et referat eller handlingspunkter, men taleradskillelsen afgør ikke i sig selv, hvad der blev aftalt på mødet, og skaber heller ikke en verificeret opsummering.\n\nTalermærkerne beskriver modellens gruppering af talen. Undersøg overgange, hvor personer afbryder hinanden, taler kort eller taler samtidig. Et velstruktureret resultat hjælper med navigation og gennemgang, mens en bestemt tilskrivning stadig kan kræve, at man lytter til den originale lyd.\n\n### Referencer til kendte talere\n\nDen dokumenterede arbejdsgang kan modtage op til fire navngivne talerreferencer. Hver reference er et kort lydklip på 2–10 sekunder i et format, som hoveduploaden understøtter. Navne og referencer leveres sammen, så segmenter kan forbindes med kendte talere.\n\nForbered en reference, der tydeligt indeholder den tilsigtede taler, og hold navnet i overensstemmelse med de ønskede mærker i transskriptionen. Ved et interview kan en reference til værten hjælpe med at organisere det talermærkede resultat uden at gøre alle deltagere til anonyme mærker. Referencen er input til talertilskrivning; den er ikke en generel stemmekloningsfunktion eller et bevis på en persons identitet.\n\nForveksl ikke navngivning af en taler med redigering af de ord, der blev sagt. Det nyttige output skal stadig bevare optagelsens indhold og den faktiske rækkefølge af talerskift.\n\n### Opdeling og modelgrænser\n\nFor lyd på over 30 sekunder kræver leverandøren en opdelingsstrategi, enten automatisk opdeling eller en konfiguration til registrering af taleaktivitet. Dette krav er ikke en maksimal optagelsesvarighed. Det beskriver, hvordan længere input opdeles til behandling.\n\nModelkortet angiver et kontekstvindue på 16.000 tokens og maksimalt 2.000 outputtokens. Det er modellens tokengrænser, som er adskilt fra filarbejdsgangens uploadgrænse på 25 MB og tærsklen for opdeling. De skal ikke omregnes til et opdigtet antal minutter, der gælder for alle optagelser.\n\nBevar tidsangivelser og segmentidentitet, når du samler eller undersøger en længere transskription. Hvis en optagelse er opdelt før indsendelsen, skal du bevare hver dels relation til den originale lyd, så et lokalt tidsstempel ikke forveksles med dets placering i den fulde samtale.\n\n### Streaming af færdiggjorte segmenter\n\nFilarbejdsgangen til transskription kan streame tekst, mens optagelsen behandles. Ved talermærket streaming udsender færdiggjorte segmenter segmenthændelser. Tekstdeltaer indeholder en segmentidentifikator, men ikke foreløbige talertildelinger; en taler tildeles, når segmentet er færdiggjort.\n\nDenne forskel er vigtig for præsentationen. Vis foreløbig tekst og et færdiggjort talerindlæg som forskellige tilstande frem for at tilføje et usikkert talermærke, før modellen har afsluttet segmentet. Gem det færdige resultat, når transskriptionen skal bruges til senere redigering eller analyse.\n\n### Modellens og outputtets grænser\n\nDenne profil er modellen til taleradskillelse, adskilt fra almindelig GPT-4o-transskription, Mini-transskription, talesyntese og modeller til live-samtaler. Den understøtter ikke transskriptionsprompter; hold enhver gennemgang eller rettelse af terminologi som et separat trin, der kontrolleres mod den originale lyd. Leverandørens grænseflade transskriberer optaget lyd til tekst. Den genererer ikke et lydsvar og oversætter ikke en optagelse gennem den separate arbejdsgang til lydoversættelse.\n\nBrug modellen til transskriptioner, der kræver både indhold og talerstruktur. Kontroller navne, fagtermer, tal, talerskift og tilskrivninger mod optagelsen. Gem lyden, det valgte resultatformat, referencerne og den færdige transskription, så en rettelse kan vedrøre én konkret formulering eller talertildeling.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "895b7506e98e279a9bbf10284cf9608e02908c5cb02f37b3fd838cde415c093b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-4o-transcribe-diarizeGPT-4o Transcribe Diarize omdanner optaget tale til tekst med talermærkede segmenter og tidsangivelser. Modellen egner sig til møder, interviews og optagelser med flere personer, hvor transskriptionen skal vise, hvem der talte hvornår, med valgfrie korte stemmereferencer til kendte talere.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4o Transcribe Diarize er OpenAIs model til automatisk talegenkendelse med indbygget taleradskillelse. Den knytter transskriberede lydsegmenter til forskellige talere i en samtale. Det nyttige resultat er en transskription organiseret efter taler og tid frem for blot én sammenhængende tekstblok. Modellen er beregnet til optaget tale, der kræver talermærkning, eksempelvis et møde, et interview eller en diskussion med flere personer.
Lever den optagelse, der skal transskriberes. Den dokumenterede filarbejdsgang accepterer MP3, MP4, MPEG, MPGA, M4A, WAV og WebM med en filstørrelsesgrænse på 25 MB. Bevar kildeoptagelsen, så et talerskift, et navn eller en uklar formulering kan kontrolleres mod den faktiske lyd.
Ved et møde skal du bevare samtalens rækkefølge frem for at klippe de korte pauser væk, som hjælper med at skelne talerskift. Ved et interview skal du holde spørgsmål og svar sammen, når deres relation er vigtig for opgaven. Lydforberedelsen skal gøre talen hørbar uden at fjerne oplysninger, der er vigtige for det talermærkede resultat.
Dette er en arbejdsgang til filtransskription. Behandling af en afsluttet optagelse og genkendelse af en lydstrøm, som stadig modtages, er forskellige opgaver; modellens talermærkning understøttes ikke i Realtime-transskriptionssessioner.
Resultatformatet diarized_json returnerer segmenter med taleridentitetsmærker og start- og sluttider. Hvert segment indeholder også sin transskriberede tekst. Hold felterne samlet, så ordene kan knyttes til den relevante del af optagelsen.
For at få en nyttig mødetransskription skal du bevare segmenternes rækkefølge og vise hver talers ord med deres tidsangivelser. En senere opgave kan bruge transskriptionen til at udarbejde et referat eller handlingspunkter, men taleradskillelsen afgør ikke i sig selv, hvad der blev aftalt på mødet, og skaber heller ikke en verificeret opsummering.
Talermærkerne beskriver modellens gruppering af talen. Undersøg overgange, hvor personer afbryder hinanden, taler kort eller taler samtidig. Et velstruktureret resultat hjælper med navigation og gennemgang, mens en bestemt tilskrivning stadig kan kræve, at man lytter til den originale lyd.
Den dokumenterede arbejdsgang kan modtage op til fire navngivne talerreferencer. Hver reference er et kort lydklip på 2–10 sekunder i et format, som hoveduploaden understøtter. Navne og referencer leveres sammen, så segmenter kan forbindes med kendte talere.
Forbered en reference, der tydeligt indeholder den tilsigtede taler, og hold navnet i overensstemmelse med de ønskede mærker i transskriptionen. Ved et interview kan en reference til værten hjælpe med at organisere det talermærkede resultat uden at gøre alle deltagere til anonyme mærker. Referencen er input til talertilskrivning; den er ikke en generel stemmekloningsfunktion eller et bevis på en persons identitet.
Forveksl ikke navngivning af en taler med redigering af de ord, der blev sagt. Det nyttige output skal stadig bevare optagelsens indhold og den faktiske rækkefølge af talerskift.
For lyd på over 30 sekunder kræver leverandøren en opdelingsstrategi, enten automatisk opdeling eller en konfiguration til registrering af taleaktivitet. Dette krav er ikke en maksimal optagelsesvarighed. Det beskriver, hvordan længere input opdeles til behandling.
Modelkortet angiver et kontekstvindue på 16.000 tokens og maksimalt 2.000 outputtokens. Det er modellens tokengrænser, som er adskilt fra filarbejdsgangens uploadgrænse på 25 MB og tærsklen for opdeling. De skal ikke omregnes til et opdigtet antal minutter, der gælder for alle optagelser.
Bevar tidsangivelser og segmentidentitet, når du samler eller undersøger en længere transskription. Hvis en optagelse er opdelt før indsendelsen, skal du bevare hver dels relation til den originale lyd, så et lokalt tidsstempel ikke forveksles med dets placering i den fulde samtale.
Filarbejdsgangen til transskription kan streame tekst, mens optagelsen behandles. Ved talermærket streaming udsender færdiggjorte segmenter segmenthændelser. Tekstdeltaer indeholder en segmentidentifikator, men ikke foreløbige talertildelinger; en taler tildeles, når segmentet er færdiggjort.
Denne forskel er vigtig for præsentationen. Vis foreløbig tekst og et færdiggjort talerindlæg som forskellige tilstande frem for at tilføje et usikkert talermærke, før modellen har afsluttet segmentet. Gem det færdige resultat, når transskriptionen skal bruges til senere redigering eller analyse.
Denne profil er modellen til taleradskillelse, adskilt fra almindelig GPT-4o-transskription, Mini-transskription, talesyntese og modeller til live-samtaler. Den understøtter ikke transskriptionsprompter; hold enhver gennemgang eller rettelse af terminologi som et separat trin, der kontrolleres mod den originale lyd. Leverandørens grænseflade transskriberer optaget lyd til tekst. Den genererer ikke et lydsvar og oversætter ikke en optagelse gennem den separate arbejdsgang til lydoversættelse.
Brug modellen til transskriptioner, der kræver både indhold og talerstruktur. Kontroller navne, fagtermer, tal, talerskift og tilskrivninger mod optagelsen. Gem lyden, det valgte resultatformat, referencerne og den færdige transskription, så en rettelse kan vedrøre én konkret formulering eller talertildeling.
POST /v1/audio/transcriptionsaudiotranscription| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-4o-transcribe-diarize | Standard— |
Feltfile | Typefile | KravPåkrævet | Værdier og grænser Maksimalt antal bytes: 26.214.400 MIME-typer: audio/mpeg Filendelse: .mp3 Maksimal varighed, sekunder: 30 | Standard— |
Feltresponse_format | Typestring | KravPåkrævet | Værdier og grænser diarized_json | Standard— |
diarized_transcription
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktmultipart/form-data |
Parameterrequired | Kontraktmodel, file, response_format |
Parameterfile_formats | Kontraktmp3 |
Parametermax_audio_seconds | Kontrakt30 |
Parametermax_bytes | Kontrakt26214400 |
Parameterresponse_format | Kontraktdiarized_json |
Parameterother_options | Kontraktfalse |
Parametermaterial_types | Kontraktaudio |
Parameteradditional_properties | Kontraktfalse |
Parameterform_string_maximum_bytes | Kontrakt256 |
Metodealiaser: /audio/transcriptions
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Brug en faktisk optagelse og det tilsvarende format.
Bevar hele transskriptionen, alle segmenter, taler-ID’er og tidsangivelser.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Afregningsenhed | Beløb |
|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregningsenhed— | Beløb Input · Inputtokens — / 1K tokens Output · Outputtokens — / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationUltra | Takstplan— | Afregningsenhed/ 1K lydtokens | Beløb Input · lydinputtoken $0.012 / 1K lydtokens |
| KonfigurationUltra | Takstplan— | Afregningsenhed/ 1K lydtokens | Beløb Output · lydoutputtoken $0.02 / 1K lydtokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ["AILOOT_AUDIO_FILE"])\nif not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" \\\n --form-string model=openai/gpt-4o-transcribe-diarize -F "file=@$AILOOT_AUDIO_FILE" --form-string response_format=diarized_json \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text())))\nPY_RESULT\njson
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_ASSETS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path('result.json').read_text())\nurls=[]\nif isinstance(r.get('asset_url'),str) and r['asset_url']:urls.append(('transcript',r['asset_url']))\nfor label,path in urls:\n u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u)\n if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL')\n target=Path('owned-'+label+'.bin')\n subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True)\nprint('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.')\nPY_ASSETS\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Behold hele JSON-svaret, ikke kun teksten; bevar hvert tilgængeligt segment, hver taler og hvert tidsstempel samt den faktiske opgave- og aktividentitet.
Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Feltsegments[].speaker | Typestring |
Feltsegments[].start | Typenumber |
Feltsegments[].end | Typenumber |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Svarserver_error | BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres | Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen. |
Ailoot Ultra openai/gpt-4o-transcribe-diarize
/audio/transcriptions