Source: https://ailoot.ai/models/hu/openai-gpt-4o-transcribe-diarize/ Canonical: https://ailoot.ai/models/hu/openai-gpt-4o-transcribe-diarize/ Language: hu # gpt-4o-transcribe-diarize [Markdown](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe-diarize/index.md) · [JSON](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe-diarize/facts.json) ## [gpt-4o-transcribe-diarize](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe-diarize/) A GPT-4o Transcribe Diarize a felvett beszédet beszélőcímkékkel és időjelölésekkel ellátott szegmensekből álló szöveggé alakítja. Megbeszélésekhez, interjúkhoz és többszereplős felvételekhez alkalmas, ahol az átiratnak meg kell mutatnia, ki mikor beszélt; ismert beszélőkhöz opcionális rövid hangreferenciák adhatók. - [**Ailoot Ultra · Beszédfelismerés** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe-diarize/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A GPT-4o Transcribe Diarize az OpenAI automatikus beszédfelismerő modellje beépített beszélőelkülönítéssel. Az átírt hangszegmenseket a beszélgetés különböző beszélőihez kapcsolja. Hasznos eredménye beszélő és idő szerint rendezett átirat, nem pusztán egy összefüggő szótömb. Olyan felvett beszédhez készült, amelyhez beszélőcímkék szükségesek, például megbeszéléshez, interjúhoz vagy többszereplős beszélgetéshez. #### Készítse elő a befejezett felvételt Adja meg az átírandó felvételt. A dokumentált fájlmunkafolyamat MP3, MP4, MPEG, MPGA, M4A, WAV és WebM formátumot fogad, 25 MB-os fájlméretkorláttal. A forrásfelvétel maradjon elérhető, hogy egy beszélőváltás, név vagy nem egyértelmű kifejezés a tényleges hang alapján ellenőrizhető legyen. Megbeszélésnél őrizze meg a beszélgetés sorrendjét, ahelyett hogy kivágná a megszólalások megkülönböztetését segítő rövid szüneteket. Interjúnál tartsa együtt a kérdést és a választ, ha a feladat szempontjából fontos az összefüggésük. A hang előkészítése tegye hallhatóvá a beszédet a beszélőcímkékkel ellátott eredmény szempontjából fontos információ eltávolítása nélkül. Ez fájlátírási munkafolyamat. Egy befejezett felvétel feldolgozása és a még folyamatosan érkező hangfolyam felismerése különböző feladat; a modell beszélőcímkézése nem támogatott Realtime átírási munkamenetekben. #### Kérjen beszélőcímkékkel ellátott átiratot A `diarized_json` eredményformátum beszélőazonosító címkéket, valamint kezdő- és záróidőt tartalmazó szegmenseket ad vissza. Minden szegmens az átírt szövegét is tartalmazza. Ezeket a mezőket tartsa együtt, hogy a szavak a felvétel megfelelő részéhez kapcsolhatók legyenek. Hasznos megbeszélés-átiratnál őrizze meg a szegmensek sorrendjét, és minden beszélő szavait az időjelölésekkel együtt jelenítse meg. Egy későbbi feladat az átiratból jegyzőkönyvet vagy teendőket készíthet, de a beszélők elkülönítése önmagában nem állapítja meg, miben állapodtak meg a megbeszélésen, és nem hoz létre ellenőrzött összefoglalót. A beszélőcímkék a modell által végzett beszédcsoportosítást írják le. Vizsgálja meg azokat az átmeneteket, ahol az emberek félbeszakítják egymást, röviden szólnak vagy egyszerre beszélnek. A jól strukturált eredmény segíti a navigációt és az ellenőrzést, de egy konkrét beszélőhöz rendelés továbbra is igényelheti az eredeti hang meghallgatását. #### Ismert beszélők referenciái A dokumentált munkafolyamat legfeljebb négy névvel ellátott beszélőreferenciát fogad. Minden referencia rövid, 2–10 másodperces hangrészlet a fő hangfájl feltöltéséhez támogatott formátumban. A neveket és referenciákat együtt kell megadni, hogy a szegmensek ismert beszélőkhöz kapcsolhatók legyenek. Olyan referenciát készítsen, amely egyértelműen a kívánt beszélőt tartalmazza, és a nevét tartsa összhangban az átirat tervezett címkéivel. Interjúnál az interjúvezetőhöz adott referencia segíthet rendezni a beszélőcímkékkel ellátott eredményt anélkül, hogy minden résztvevő névtelen címkét kapna. A referencia a beszélőhöz rendelés bemenete; nem általános hangklónozási művelet, és nem igazolja egy személy azonosságát. Ne keverje össze a beszélő megnevezését az elhangzott szavak szerkesztésével. A hasznos kimenetnek továbbra is meg kell őriznie a felvétel tartalmát és a megszólalások tényleges sorrendjét. #### Darabolás és modellkorlátok 30 másodpercnél hosszabb hanghoz a gyártó darabolási stratégiát ír elő: automatikus darabolást vagy beszédaktivitás-érzékelési konfigurációt. Ez a követelmény nem a felvétel maximális időtartama. Azt írja le, hogyan osztják fel feldolgozáshoz a hosszabb bemenetet. A modellkártya 16 000 tokenes kontextusablakot és legfeljebb 2 000 kimeneti tokent sorol fel. Ezek modellbeli tokenkorlátok, amelyek különböznek a fájlmunkafolyamat 25 MB-os feltöltési korlátjától és a darabolási küszöbtől. Nem szabad belőlük minden felvételre érvényes, kitalált percszámot levezetni. Hosszabb átirat összeállításakor vagy vizsgálatakor őrizze meg az időjelöléseket és a szegmensek azonosságát. Ha a felvételt beküldés előtt felosztották, minden rész kapcsolatát őrizze meg az eredeti hanggal, hogy a helyi időbélyeg ne keveredjen a teljes beszélgetésen belüli pozíciójával. #### Véglegesített szegmensek streamelése A fájlátírási munkafolyamat a felvétel feldolgozása közben streamelhet szöveget. Beszélőcímkékkel ellátott streamelésnél a befejezett szegmensek szegmenseseményeket hoznak létre. A szövegnövekmények szegmensazonosítót tartalmaznak, de részleges beszélő-hozzárendelést nem; a beszélő hozzárendelése a szegmens véglegesítésekor történik. Ez a különbség a megjelenítésnél fontos. Az ideiglenes szöveget és a véglegesített megszólalást eltérő állapotként mutassa, ahelyett hogy bizonytalan beszélőcímkét rendelne hozzá, mielőtt a modell befejezné a szegmenst. Ha az átirat későbbi szerkesztéshez vagy elemzéshez szükséges, őrizze meg a befejezett eredményt. #### A modell és a kimenet határai Ez a profil a beszélőelkülönítő modell, amely különbözik a szokásos GPT-4o átírástól, a Mini átírástól, a beszédszintézistől és az élő beszélgetési modellektől. Nem támogat szöveges átírási utasításokat; az esetleges terminológiai ellenőrzést vagy javítást külön lépésként kezelje, az eredeti hanggal összevetve. Gyártói felülete felvett hang szöveggé átírására szolgál. Nem ad hangválaszt, és nem fordít felvételt a külön hangfordítási munkafolyamaton keresztül. Olyan átiratokhoz használja, amelyeknek a tartalomra és a beszélők szerinti szerkezetre egyaránt szükségük van. A neveket, műszaki kifejezéseket, számokat, megszólalási határokat és beszélőhöz rendeléseket ellenőrizze a felvétel alapján. Őrizze meg a hangot, a választott eredményformátumot, a referenciákat és az elkészült átiratot, hogy egy javítás egy konkrét kifejezésre vagy beszélő-hozzárendelésre irányulhasson. **Ailoot Ultra · Beszédfelismerés** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe-diarize` [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/hu/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) OpenAI /`openai/gpt-4o-transcribe-diarize` ### Kezdő lépések A GPT-4o Transcribe Diarize a felvett beszédet beszélőcímkékkel és időjelölésekkel ellátott szegmensekből álló szöveggé alakítja. Megbeszélésekhez, interjúkhoz és többszereplős felvételekhez alkalmas, ahol az átiratnak meg kell mutatnia, ki mikor beszélt; ismert beszélőkhöz opcionális rövid hangreferenciák adhatók. Elfogadott bemenetek Hang Eredmények transcription ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Beszédfelismerés** `POST /v1/audio/transcriptions` Bemenet `audio` Kimenet `transcription` Kimeneti formátum json | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok openai/gpt-4o-transcribe-diarize | Alapértelmezett— | | Mező`file` | Típus`file` | KövetelményKötelező | Értékek és korlátok Maximális bájtszám: 26 214 400 MIME-típusok: audio/mpeg Fájlkiterjesztés: .mp3 Maximális időtartam, másodperc: 30 | Alapértelmezett— | | Mező`response_format` | Típus`string` | KövetelményKötelező | Értékek és korlátok diarized\_json | Alapértelmezett— | Bemeneti anyagok kombinációi **diarized\_transcription** Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésmultipart/form-data | | Paraméter`required` | Szerződésmodel, file, response\_format | | Paraméter`file_formats` | Szerződésmp3 | | Paraméter`max_audio_seconds` | Szerződés30 | | Paraméter`max_bytes` | Szerződés26214400 | | Paraméter`response_format` | Szerződésdiarized\_json | | Paraméter`other_options` | Szerződésfalse | | Paraméter`material_types` | Szerződésaudio | | Paraméter`additional_properties` | Szerződésfalse | | Paraméter`form_string_maximum_bytes` | Szerződés256 | Metódus álnevei: `/audio/transcriptions` Életciklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · A ténylegesen visszaadott task\_id vagy a médiatár bejegyzése `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Használjon tényleges felvételt és annak megfelelő formátumot. Őrizze meg a teljes átiratot, a szegmenseket, a beszélőazonosítókat és az időzítést. ### Díjcsomagok A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Nincs megadva Ha a gyors mód van kiválasztva Flex mód Nincs megadva Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Ailoot-díjak #### Árak beállításonként Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon. | Beállítás | Díjtáblázat | Elszámolási egység | Díj | | --- | --- | --- | --- | | BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek **—** / 1K token Kimenet · Kimeneti tokenek **—** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token | | BeállításUltra | Díjtáblázat— | Elszámolási egység/ 1K hangtoken | Díj Bemenet · bemeneti hangtoken **$0.012** / 1K hangtoken | | BeállításUltra | Díjtáblázat— | Elszámolási egység/ 1K hangtoken | Díj Kimenet · kimeneti hangtoken **$0.02** / 1K hangtoken | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Beszédfelismerés curl · létrehozás a megőrzött kérés pontos követésével ```bash set -eu : "${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 ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Beszédfelismerés json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` További tartalomlekérések Mentsen minden visszaadott, Önhöz tartozó átiratotMédiatárFeladat állapotaMédiafájl részletei ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" export AILOOT_API_KEY python3 - <<'PY_ASSETS' import json,os,subprocess from pathlib import Path from urllib.parse import urljoin,urlsplit r=json.loads(Path('result.json').read_text()) urls=[] if isinstance(r.get('asset_url'),str) and r['asset_url']:urls.append(('transcript',r['asset_url'])) for label,path in urls: u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u) if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL') target=Path('owned-'+label+'.bin') subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True) print('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.') PY_ASSETS ``` ```bash set -eu : "${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 $AILOOT_API_KEY" -o media-assets.json ``` ```bash set -eu : "${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 $AILOOT_API_KEY" -o media-task.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-task.json").read_text()))) PY_RESULT ``` ```bash set -eu : "${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 ``` ##### Őrizzen meg minden elkészült eredményt Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt. A teljes JSON-t őrizze meg, ne csak a szöveget; tartson meg minden elérhető szegmenst, beszélőt és időbélyeget, valamint a tényleges feladat- és médiaazonosítókat. ##### Ha az eredeti választ ellenőrizni kell Őrizze meg az eredeti operation\_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal. Válaszmezők | Mező | Típus | | --- | --- | | Mező`text` | Típusstring | | Mező`segments[]` | Típusobject | | Mező`task_id` | Típusstring | | Mező`asset_url` | Típusstring | | Mező`usage` | Típusobject | | Mező`segments[].speaker` | Típusstring | | Mező`segments[].start` | Típusnumber | | Mező`segments[].end` | Típusnumber | Hibák és következő lépések | Válasz | Feltétel | Következő lépés | | --- | --- | --- | | Válasz400 · `invalid_request_error` | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. | | Válasz`server_error` | FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel | Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést. | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/hu/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) #### Metódusútvonalak álnevei `/audio/transcriptions` #### Kapcsolódó modellazonosítók [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/hu/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) FAQ · gpt-4o-transcribe-diarize Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe-diarize`: `audio` → `transcription` Mely mezőket használja a kérés? `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe-diarize`: `model`, `file`, `response_format` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.