gpt-4o-transcribe-diarize

GPT-4o Transcribe Diarize ממיר דיבור מוקלט לטקסט עם מקטעים המסומנים לפי דוברים ועם תזמון. הוא מתאים לפגישות, לראיונות ולהקלטות מרובות משתתפים שבהם התמליל צריך להראות מי דיבר ומתי, עם קטעי ייחוס קוליים קצרים ואופציונליים לדוברים מוכרים.

Ailoot Ultra · זיהוי דיבור POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

GPT-4o Transcribe Diarize הוא מודל זיהוי הדיבור האוטומטי של OpenAI עם הפרדה מובנית לפי דוברים. הוא משייך מקטעי שמע שתומללו לדוברים שונים בשיחה. התוצאה השימושית היא תמליל המאורגן לפי דובר וזמן, ולא רק גוש מילים רציף. הוא מיועד לדיבור מוקלט הזקוק לתוויות דוברים, כגון פגישה, ריאיון או דיון מרובה משתתפים.

הכינו את ההקלטה שהושלמה

ספקו את ההקלטה שיש לתמלל. תהליך הקבצים המתועד מקבל MP3, MP4, MPEG, MPGA, M4A, WAV ו־WebM, עם מגבלת גודל קובץ של 25 MB. שמרו את הקלטת המקור זמינה, כדי שיהיה אפשר לבדוק תור דיבור, שם או ביטוי לא ברור מול השמע בפועל.

לפגישה, שמרו את רצף השיחה במקום להסיר את ההפסקות הקצרות המסייעות להבחין בין תורות דיבור. לריאיון, שמרו את השאלה והתשובה יחד כאשר המשימה דורשת את הקשר ביניהן. הכנת השמע צריכה להפוך את הדיבור לשמיע מבלי להסיר מידע החשוב לתוצאה המסומנת לפי דוברים.

זהו תהליך לתמלול קובץ. עיבוד הקלטה שהושלמה וזיהוי זרם שמע שעדיין מגיע הם משימות שונות; סימון הדוברים של המודל אינו נתמך במפגשי תמלול Realtime.

בקשו תמליל המסומן לפי דוברים

פורמט התוצאה diarized_json מחזיר מקטעים עם תוויות זהות דובר ותזמון התחלה וסיום. כל מקטע מכיל גם את הטקסט שתומלל בו. שמרו שדות אלה יחד, כדי שיהיה אפשר לחבר את המילים לחלק הרלוונטי בהקלטה.

לתמליל פגישה שימושי, שמרו את רצף המקטעים והציגו את מילותיו של כל דובר עם התזמון שלהן. משימה מאוחרת יותר יכולה להשתמש בתמליל להכנת פרוטוקול או משימות לביצוע, אך ההפרדה לפי דוברים עצמה אינה מחליטה על מה הוסכם בפגישה ואינה מפיקה סיכום מאומת.

תוויות הדוברים מתארות את האופן שבו המודל מקבץ את הדיבור. בדקו מעברים שבהם אנשים קוטעים זה את זה, מדברים בקצרה או מדברים בחפיפה. תוצאה בעלת מבנה ברור מסייעת לניווט ולבדיקה, אך שיוך מסוים עדיין עשוי לדרוש האזנה לשמע המקורי.

קטעי ייחוס לדוברים מוכרים

התהליך המתועד יכול לקבל עד ארבעה קטעי ייחוס לדוברים עם שמות. כל קטע ייחוס הוא קטע שמע קצר באורך 2–10 שניות בפורמט הנתמך בהעלאה הראשית. השמות וקטעי הייחוס מסופקים יחד, כדי שיהיה אפשר לשייך מקטעים לדוברים מוכרים.

הכינו קטע ייחוס המכיל בבירור את הדובר המיועד ושמרו את שמו עקבי עם התוויות המיועדות בתמליל. לריאיון, קטע ייחוס של המנחה יכול לסייע בארגון התוצאה המסומנת לפי דוברים, מבלי להפוך כל משתתף לתווית אנונימית. קטע הייחוס הוא קלט לשיוך; הוא אינו פעולה כללית לשכפול קול או הוכחה לזהותו של אדם.

אל תבלבלו בין מתן שם לדובר לבין עריכת המילים שנאמרו. הפלט השימושי עדיין צריך לשמר את תוכן ההקלטה ואת סדר תורות הדיבור בפועל.

חלוקה למקטעים ומגבלות המודל

לשמע שאורכו יותר מ־30 שניות, היצרן דורש אסטרטגיית חלוקה למקטעים, באמצעות חלוקה אוטומטית או הגדרות לזיהוי פעילות קולית. דרישה זו אינה משך הקלטה מרבי. היא מתארת כיצד קלט ארוך יותר מחולק לצורך עיבוד.

כרטיס המודל מציין חלון הקשר של 16,000 טוקנים ופלט מרבי של 2,000 טוקנים. אלה מגבלות טוקנים של המודל, הנפרדות ממגבלת ההעלאה של 25 MB בתהליך הקבצים ומסף החלוקה למקטעים. אין להמיר אותן למספר דקות מומצא החל על כל הקלטה.

שמרו את התזמון ואת זהות המקטעים בעת הרכבה או בדיקה של תמליל ארוך יותר. אם הקלטה חולקה לפני השליחה, שמרו את הקשר של כל חלק לשמע המקורי, כדי שלא לבלבל חותמת זמן מקומית עם מיקומה בשיחה המלאה.

הזרמת מקטעים סופיים

תהליך תמלול הקבצים יכול להזרים טקסט בזמן עיבוד ההקלטה. בהזרמה המסומנת לפי דוברים, מקטעים שהושלמו מפיקים אירועי מקטע. עדכוני הטקסט כוללים מזהה מקטע, אך אינם מכילים שיוכי דובר חלקיים; דובר משויך כאשר המקטע נעשה סופי.

הבחנה זו חשובה להצגה. הציגו טקסט זמני ותור דיבור סופי כשני מצבים שונים, במקום להצמיד תווית דובר לא ודאית לפני שהמודל השלים את המקטע. שמרו את התוצאה שהושלמה כאשר התמליל דרוש לעריכה או לניתוח בהמשך.

גבולות המודל והפלט

תצורה זו היא מודל ההפרדה לפי דוברים, הנפרד מתמלול GPT-4o הרגיל, מתמלול Mini, מסינתזת דיבור וממודלי שיחה חיה. הוא אינו תומך בפרומפטים לתמלול; שמרו כל בדיקת מונחים או תיקון כשלב נפרד הנבדק מול השמע המקורי. ממשק היצרן שלו הוא תמלול שמע מוקלט לטקסט. הוא אינו מפיק תשובת שמע ואינו מתרגם הקלטה דרך תהליך תרגום השמע הנפרד.

השתמשו בו לתמלילים הזקוקים הן לתוכן והן למבנה לפי דוברים. בדקו שמות, מונחים טכניים, מספרים, גבולות תורות דיבור ושיוכים מול ההקלטה. שמרו את השמע, את פורמט התוצאה שנבחר, את קטעי הייחוס ואת התמליל שהושלם, כדי שתיקון יוכל לטפל בביטוי מסוים אחד או בשיוך דובר.

Ailoot Ultra · זיהוי דיבור POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize

openai/gpt-4o-transcribe-diarize

OpenAI /openai/gpt-4o-transcribe-diarize

התחלה

סוגי קלט נתמכים: שמע
תוצאות: transcription

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · זיהוי דיבור POST /v1/audio/transcriptions

סוגי קלט: audio
סוגי פלט: transcription
פורמט פלט: json

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות openai/gpt-4o-transcribe-diarize	ברירת מחדל—
שדה`file`	סוג`file`	דרישהחובה	ערכים ומגבלות מספר בייטים מרבי: ⁦26,214,400⁩ סוגי MIME: audio/mpeg סיומת קובץ: .mp3 משך מרבי, בשניות: ⁦30⁩	ברירת מחדל—
שדה`response_format`	סוג`string`	דרישהחובה	ערכים ומגבלות diarized_json	ברירת מחדל—

שילובים של חומרי קלט

diarized_transcription

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטmultipart/form-data
פרמטר`required`	מפרטmodel, file, response_format
פרמטר`file_formats`	מפרטmp3
פרמטר`max_audio_seconds`	מפרט30
פרמטר`max_bytes`	מפרט26214400
פרמטר`response_format`	מפרטdiarized_json
פרמטר`other_options`	מפרטfalse
פרמטר`material_types`	מפרטaudio
פרמטר`additional_properties`	מפרטfalse
פרמטר`form_string_maximum_bytes`	מפרט256

כינויים לשיטה: /audio/transcriptions

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

יש להשתמש בהקלטה ממשית ובפורמט תואם.

יש לשמור את התמליל המלא, המקטעים, מזהי הדוברים והתזמון.

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהUltra	טבלת תעריפים—	יחידת חיוב/ 1K טוקני שמע	חיוב קלט · טוקן שמע בקלט $0.012 / 1K טוקני שמע
תצורהUltra	טבלת תעריפים—	יחידת חיוב/ 1K טוקני שמע	חיוב פלט · טוקן שמע בפלט $0.02 / 1K טוקני שמע

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · זיהוי דיבור

curl · יצירה לפי הבקשה השמורה במדויק

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

קבלה ושמירה של תוצאות

Ailoot Ultra · זיהוי דיבור

json

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

קריאות תוכן נוספות

שמירת כל התמלולים שהוחזרו ובבעלותכםספריית מדיהמצב המשימהפרטי הנכס

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

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

יש לשמור JSON מלא, ולא רק טקסט; יש לשמר כל מקטע, דובר וחותמת זמן זמינים ואת זהות המשימה או הנכס בפועל.

כשצריך לבדוק את התגובה המקורית

שמרו את operation_id/X-Client-Request-ID המקורי לצורך התאמת רישומים ללא שליחה מחדש; אין נתיב ייעודי לתשאול סטטוס אודיו.

שדות התגובה

שדה	סוג
שדה`text`	סוגstring
שדה`segments[]`	סוגobject
שדה`task_id`	סוגstring
שדה`asset_url`	סוגstring
שדה`usage`	סוגobject
שדה`segments[].speaker`	סוגstring
שדה`segments[].start`	סוגnumber
שדה`segments[].end`	סוגnumber

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים	השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.
תגובה`server_error`	תנאיהתשובה שהוחזרה מציינת שהפעולה או התוצאה דורשת בדיקה	השלב הבאשמרו את מזהה הפעולה/המשימה המקורי שהוחזר, את כותרות הבקשה ואת התשובה; המשיכו לבצע פעולות קריאה נתמכות של אותה פעולה מקורית. אל תשלחו שוב את בקשת היצירה.

כינויים

כינויים למודל

Ailoot Ultra openai/gpt-4o-transcribe-diarize

כינויים לנתיבי שיטות

/audio/transcriptions

מזהי מודלים קשורים IDs

openai/gpt-4o-transcribe-diarize

FAQ · gpt-4o-transcribe-diarize

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: audio → transcription
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: model, file, response_format

gpt-4o-transcribe-diarize