GPT-4o Transcribe Diarize è il modello di riconoscimento automatico della voce di OpenAI con diarizzazione dei parlanti integrata. Associa i segmenti audio trascritti ai diversi parlanti di una conversazione. Il risultato utile è una trascrizione organizzata per parlante e tempo, anziché un semplice blocco continuo di parole. È destinato alla voce registrata che richiede etichette dei parlanti, come una riunione, un’intervista o una discussione con più persone.
Fornite la registrazione da trascrivere. Il processo documentato per i file accetta MP3, MP4, MPEG, MPGA, M4A, WAV e WebM, con un limite di dimensione del file di 25 MB. Conservate la registrazione di origine, affinché un turno di parola, un nome o una frase poco chiara possa essere verificato rispetto all’audio effettivo.
Per una riunione, conservate la sequenza della conversazione anziché eliminare le pause brevi che aiutano a distinguere i turni. Per un’intervista, mantenete domanda e risposta insieme quando l’attività richiede la loro relazione. La preparazione dell’audio deve rendere udibile la voce senza rimuovere informazioni importanti per il risultato identificato per parlante.
È un processo di trascrizione di file. Elaborare una registrazione completata e riconoscere un flusso audio ancora in arrivo sono attività diverse; l’identificazione dei parlanti del modello non è supportata nelle sessioni di trascrizione Realtime.
Il formato del risultato diarized_json restituisce segmenti con etichette di identità dei parlanti e tempi di inizio e fine. Ogni segmento contiene anche il proprio testo trascritto. Conservate questi campi insieme, affinché le parole possano essere collegate alla parte pertinente della registrazione.
Per una trascrizione utile di una riunione, conservate la sequenza dei segmenti e mostrate le parole di ciascun parlante con i relativi tempi. Un’attività successiva può usare quella trascrizione per preparare un verbale o azioni da svolgere, ma la diarizzazione stessa non stabilisce ciò che la riunione ha deciso e non genera un riepilogo verificato.
Le etichette dei parlanti descrivono il raggruppamento della voce effettuato dal modello. Esaminate le transizioni in cui le persone si interrompono, parlano brevemente o contemporaneamente. Un risultato ben strutturato è utile per navigare e verificare, mentre un’attribuzione specifica può comunque richiedere l’ascolto dell’audio originale.
Il processo documentato può accettare fino a quattro riferimenti di parlanti con nome. Ogni riferimento è una breve clip audio di 2–10 secondi in un formato supportato per il caricamento principale. I nomi e i riferimenti vengono forniti insieme, affinché i segmenti possano essere associati a parlanti noti.
Preparate un riferimento che contenga chiaramente il parlante desiderato e mantenetene il nome coerente con le etichette previste per la trascrizione. Per un’intervista, un riferimento per chi la conduce può aiutare a organizzare il risultato identificato per parlante senza trasformare ogni partecipante in un’etichetta anonima. Il riferimento è un input per l’attribuzione; non è un’operazione generale di clonazione della voce né una prova dell’identità di una persona.
Non confondete il dare un nome a un parlante con il modificare le parole pronunciate. L’output utile deve comunque preservare il contenuto della registrazione e l’ordine effettivo dei turni.
Per audio di durata superiore a 30 secondi, il produttore richiede una strategia di suddivisione, automatica oppure con una configurazione di rilevamento dell’attività vocale. Questo requisito non è una durata massima di registrazione. Descrive come l’input più lungo viene suddiviso per l’elaborazione.
La scheda del modello indica una finestra di contesto di 16 000 token e un massimo di 2 000 token di output. Sono limiti di token del modello, distinti dal limite di caricamento di 25 MB del processo per file e dalla soglia di suddivisione. Non vanno convertiti in un numero inventato di minuti valido per ogni registrazione.
Conservate i riferimenti temporali e l’identità dei segmenti quando assemblate o esaminate una trascrizione più lunga. Se una registrazione è stata suddivisa prima dell’invio, mantenete la relazione di ciascuna parte con l’audio originale, affinché un tempo locale non venga confuso con la sua posizione nella conversazione completa.
Il processo di trascrizione di file può trasmettere il testo in streaming mentre la registrazione viene elaborata. Con lo streaming identificato per parlante, i segmenti completati producono eventi di segmento. Gli incrementi di testo includono un identificatore del segmento, ma non contengono assegnazioni parziali dei parlanti; un parlante viene assegnato quando il segmento è finalizzato.
Questa distinzione è importante per la presentazione. Mostrate il testo provvisorio e un turno di parola finalizzato come stati diversi, anziché attribuire un’etichetta incerta di parlante prima che il modello abbia completato il segmento. Conservate il risultato completato quando la trascrizione serve per modifiche o analisi successive.
Questo profilo è il modello di diarizzazione, distinto dalla trascrizione GPT-4o ordinaria, dalla trascrizione Mini, dalla sintesi vocale e dai modelli di conversazione dal vivo. Non supporta prompt di trascrizione; mantenete eventuali revisioni o correzioni terminologiche come passaggi separati da verificare rispetto all’audio originale. L’interfaccia del produttore trascrive audio registrato in testo. Non genera una risposta audio e non traduce una registrazione attraverso il processo separato di traduzione audio.
Usatelo per trascrizioni che richiedono sia contenuto sia struttura dei parlanti. Verificate nomi, termini tecnici, numeri, confini dei turni e attribuzioni rispetto alla registrazione. Conservate l’audio, il formato del risultato scelto, i riferimenti e la trascrizione completata, affinché una correzione possa riguardare una frase concreta o un’assegnazione di parlante.
", "aboutText": "GPT-4o Transcribe Diarize è il modello di riconoscimento automatico della voce di OpenAI con diarizzazione dei parlanti integrata. Associa i segmenti audio trascritti ai diversi parlanti di una conversazione. Il risultato utile è una trascrizione organizzata per parlante e tempo, anziché un semplice blocco continuo di parole. È destinato alla voce registrata che richiede etichette dei parlanti, come una riunione, un’intervista o una discussione con più persone.\n\n### Preparare la registrazione completata\n\nFornite la registrazione da trascrivere. Il processo documentato per i file accetta MP3, MP4, MPEG, MPGA, M4A, WAV e WebM, con un limite di dimensione del file di 25 MB. Conservate la registrazione di origine, affinché un turno di parola, un nome o una frase poco chiara possa essere verificato rispetto all’audio effettivo.\n\nPer una riunione, conservate la sequenza della conversazione anziché eliminare le pause brevi che aiutano a distinguere i turni. Per un’intervista, mantenete domanda e risposta insieme quando l’attività richiede la loro relazione. La preparazione dell’audio deve rendere udibile la voce senza rimuovere informazioni importanti per il risultato identificato per parlante.\n\nÈ un processo di trascrizione di file. Elaborare una registrazione completata e riconoscere un flusso audio ancora in arrivo sono attività diverse; l’identificazione dei parlanti del modello non è supportata nelle sessioni di trascrizione Realtime.\n\n### Richiedere una trascrizione identificata per parlante\n\nIl formato del risultato `diarized_json` restituisce segmenti con etichette di identità dei parlanti e tempi di inizio e fine. Ogni segmento contiene anche il proprio testo trascritto. Conservate questi campi insieme, affinché le parole possano essere collegate alla parte pertinente della registrazione.\n\nPer una trascrizione utile di una riunione, conservate la sequenza dei segmenti e mostrate le parole di ciascun parlante con i relativi tempi. Un’attività successiva può usare quella trascrizione per preparare un verbale o azioni da svolgere, ma la diarizzazione stessa non stabilisce ciò che la riunione ha deciso e non genera un riepilogo verificato.\n\nLe etichette dei parlanti descrivono il raggruppamento della voce effettuato dal modello. Esaminate le transizioni in cui le persone si interrompono, parlano brevemente o contemporaneamente. Un risultato ben strutturato è utile per navigare e verificare, mentre un’attribuzione specifica può comunque richiedere l’ascolto dell’audio originale.\n\n### Riferimenti di parlanti noti\n\nIl processo documentato può accettare fino a quattro riferimenti di parlanti con nome. Ogni riferimento è una breve clip audio di 2–10 secondi in un formato supportato per il caricamento principale. I nomi e i riferimenti vengono forniti insieme, affinché i segmenti possano essere associati a parlanti noti.\n\nPreparate un riferimento che contenga chiaramente il parlante desiderato e mantenetene il nome coerente con le etichette previste per la trascrizione. Per un’intervista, un riferimento per chi la conduce può aiutare a organizzare il risultato identificato per parlante senza trasformare ogni partecipante in un’etichetta anonima. Il riferimento è un input per l’attribuzione; non è un’operazione generale di clonazione della voce né una prova dell’identità di una persona.\n\nNon confondete il dare un nome a un parlante con il modificare le parole pronunciate. L’output utile deve comunque preservare il contenuto della registrazione e l’ordine effettivo dei turni.\n\n### Suddivisione e limiti del modello\n\nPer audio di durata superiore a 30 secondi, il produttore richiede una strategia di suddivisione, automatica oppure con una configurazione di rilevamento dell’attività vocale. Questo requisito non è una durata massima di registrazione. Descrive come l’input più lungo viene suddiviso per l’elaborazione.\n\nLa scheda del modello indica una finestra di contesto di 16 000 token e un massimo di 2 000 token di output. Sono limiti di token del modello, distinti dal limite di caricamento di 25 MB del processo per file e dalla soglia di suddivisione. Non vanno convertiti in un numero inventato di minuti valido per ogni registrazione.\n\nConservate i riferimenti temporali e l’identità dei segmenti quando assemblate o esaminate una trascrizione più lunga. Se una registrazione è stata suddivisa prima dell’invio, mantenete la relazione di ciascuna parte con l’audio originale, affinché un tempo locale non venga confuso con la sua posizione nella conversazione completa.\n\n### Trasmettere in streaming i segmenti finalizzati\n\nIl processo di trascrizione di file può trasmettere il testo in streaming mentre la registrazione viene elaborata. Con lo streaming identificato per parlante, i segmenti completati producono eventi di segmento. Gli incrementi di testo includono un identificatore del segmento, ma non contengono assegnazioni parziali dei parlanti; un parlante viene assegnato quando il segmento è finalizzato.\n\nQuesta distinzione è importante per la presentazione. Mostrate il testo provvisorio e un turno di parola finalizzato come stati diversi, anziché attribuire un’etichetta incerta di parlante prima che il modello abbia completato il segmento. Conservate il risultato completato quando la trascrizione serve per modifiche o analisi successive.\n\n### Limiti del modello e dell’output\n\nQuesto profilo è il modello di diarizzazione, distinto dalla trascrizione GPT-4o ordinaria, dalla trascrizione Mini, dalla sintesi vocale e dai modelli di conversazione dal vivo. Non supporta prompt di trascrizione; mantenete eventuali revisioni o correzioni terminologiche come passaggi separati da verificare rispetto all’audio originale. L’interfaccia del produttore trascrive audio registrato in testo. Non genera una risposta audio e non traduce una registrazione attraverso il processo separato di traduzione audio.\n\nUsatelo per trascrizioni che richiedono sia contenuto sia struttura dei parlanti. Verificate nomi, termini tecnici, numeri, confini dei turni e attribuzioni rispetto alla registrazione. Conservate l’audio, il formato del risultato scelto, i riferimenti e la trascrizione completata, affinché una correzione possa riguardare una frase concreta o un’assegnazione di parlante.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5e6cd924fe80bc2c51d250541117b03fa2ba0badb4b3b93b21ef225bd0d3788e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "openai/gpt-4o-transcribe-diarizeGPT-4o Transcribe Diarize converte la voce registrata in testo con segmenti identificati per parlante e riferimenti temporali. È adatto a riunioni, interviste e registrazioni con più persone in cui la trascrizione deve mostrare chi ha parlato e quando, con brevi riferimenti vocali facoltativi per i parlanti noti.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-4o Transcribe Diarize è il modello di riconoscimento automatico della voce di OpenAI con diarizzazione dei parlanti integrata. Associa i segmenti audio trascritti ai diversi parlanti di una conversazione. Il risultato utile è una trascrizione organizzata per parlante e tempo, anziché un semplice blocco continuo di parole. È destinato alla voce registrata che richiede etichette dei parlanti, come una riunione, un’intervista o una discussione con più persone.
Fornite la registrazione da trascrivere. Il processo documentato per i file accetta MP3, MP4, MPEG, MPGA, M4A, WAV e WebM, con un limite di dimensione del file di 25 MB. Conservate la registrazione di origine, affinché un turno di parola, un nome o una frase poco chiara possa essere verificato rispetto all’audio effettivo.
Per una riunione, conservate la sequenza della conversazione anziché eliminare le pause brevi che aiutano a distinguere i turni. Per un’intervista, mantenete domanda e risposta insieme quando l’attività richiede la loro relazione. La preparazione dell’audio deve rendere udibile la voce senza rimuovere informazioni importanti per il risultato identificato per parlante.
È un processo di trascrizione di file. Elaborare una registrazione completata e riconoscere un flusso audio ancora in arrivo sono attività diverse; l’identificazione dei parlanti del modello non è supportata nelle sessioni di trascrizione Realtime.
Il formato del risultato diarized_json restituisce segmenti con etichette di identità dei parlanti e tempi di inizio e fine. Ogni segmento contiene anche il proprio testo trascritto. Conservate questi campi insieme, affinché le parole possano essere collegate alla parte pertinente della registrazione.
Per una trascrizione utile di una riunione, conservate la sequenza dei segmenti e mostrate le parole di ciascun parlante con i relativi tempi. Un’attività successiva può usare quella trascrizione per preparare un verbale o azioni da svolgere, ma la diarizzazione stessa non stabilisce ciò che la riunione ha deciso e non genera un riepilogo verificato.
Le etichette dei parlanti descrivono il raggruppamento della voce effettuato dal modello. Esaminate le transizioni in cui le persone si interrompono, parlano brevemente o contemporaneamente. Un risultato ben strutturato è utile per navigare e verificare, mentre un’attribuzione specifica può comunque richiedere l’ascolto dell’audio originale.
Il processo documentato può accettare fino a quattro riferimenti di parlanti con nome. Ogni riferimento è una breve clip audio di 2–10 secondi in un formato supportato per il caricamento principale. I nomi e i riferimenti vengono forniti insieme, affinché i segmenti possano essere associati a parlanti noti.
Preparate un riferimento che contenga chiaramente il parlante desiderato e mantenetene il nome coerente con le etichette previste per la trascrizione. Per un’intervista, un riferimento per chi la conduce può aiutare a organizzare il risultato identificato per parlante senza trasformare ogni partecipante in un’etichetta anonima. Il riferimento è un input per l’attribuzione; non è un’operazione generale di clonazione della voce né una prova dell’identità di una persona.
Non confondete il dare un nome a un parlante con il modificare le parole pronunciate. L’output utile deve comunque preservare il contenuto della registrazione e l’ordine effettivo dei turni.
Per audio di durata superiore a 30 secondi, il produttore richiede una strategia di suddivisione, automatica oppure con una configurazione di rilevamento dell’attività vocale. Questo requisito non è una durata massima di registrazione. Descrive come l’input più lungo viene suddiviso per l’elaborazione.
La scheda del modello indica una finestra di contesto di 16 000 token e un massimo di 2 000 token di output. Sono limiti di token del modello, distinti dal limite di caricamento di 25 MB del processo per file e dalla soglia di suddivisione. Non vanno convertiti in un numero inventato di minuti valido per ogni registrazione.
Conservate i riferimenti temporali e l’identità dei segmenti quando assemblate o esaminate una trascrizione più lunga. Se una registrazione è stata suddivisa prima dell’invio, mantenete la relazione di ciascuna parte con l’audio originale, affinché un tempo locale non venga confuso con la sua posizione nella conversazione completa.
Il processo di trascrizione di file può trasmettere il testo in streaming mentre la registrazione viene elaborata. Con lo streaming identificato per parlante, i segmenti completati producono eventi di segmento. Gli incrementi di testo includono un identificatore del segmento, ma non contengono assegnazioni parziali dei parlanti; un parlante viene assegnato quando il segmento è finalizzato.
Questa distinzione è importante per la presentazione. Mostrate il testo provvisorio e un turno di parola finalizzato come stati diversi, anziché attribuire un’etichetta incerta di parlante prima che il modello abbia completato il segmento. Conservate il risultato completato quando la trascrizione serve per modifiche o analisi successive.
Questo profilo è il modello di diarizzazione, distinto dalla trascrizione GPT-4o ordinaria, dalla trascrizione Mini, dalla sintesi vocale e dai modelli di conversazione dal vivo. Non supporta prompt di trascrizione; mantenete eventuali revisioni o correzioni terminologiche come passaggi separati da verificare rispetto all’audio originale. L’interfaccia del produttore trascrive audio registrato in testo. Non genera una risposta audio e non traduce una registrazione attraverso il processo separato di traduzione audio.
Usatelo per trascrizioni che richiedono sia contenuto sia struttura dei parlanti. Verificate nomi, termini tecnici, numeri, confini dei turni e attribuzioni rispetto alla registrazione. Conservate l’audio, il formato del risultato scelto, i riferimenti e la trascrizione completata, affinché una correzione possa riguardare una frase concreta o un’assegnazione di parlante.
POST /v1/audio/transcriptionsaudiotranscription| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-4o-transcribe-diarize | Predefinito— |
Campofile | Tipofile | RequisitoObbligatorio | Valori e limiti Numero massimo di byte: 26.214.400 Tipi MIME: audio/mpeg Estensione del file: .mp3 Durata massima, secondi: 30 | Predefinito— |
Camporesponse_format | Tipostring | RequisitoObbligatorio | Valori e limiti diarized_json | Predefinito— |
diarized_transcription
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattomultipart/form-data |
Parametrorequired | Contrattomodel, file, response_format |
Parametrofile_formats | Contrattomp3 |
Parametromax_audio_seconds | Contratto30 |
Parametromax_bytes | Contratto26214400 |
Parametroresponse_format | Contrattodiarized_json |
Parametroother_options | Contrattofalse |
Parametromaterial_types | Contrattoaudio |
Parametroadditional_properties | Contrattofalse |
Parametroform_string_maximum_bytes | Contratto256 |
Alias del metodo: /audio/transcriptions
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Usa la registrazione reale e il formato corrispondente.
Conserva la trascrizione completa, i segmenti, gli ID dei parlanti e i tempi.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Unità di fatturazione | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneUltra | Listino delle tariffe— | Unità di fatturazione/ 1K token audio | Costo Input · token audio in ingresso $0.012 / 1K token audio |
| ConfigurazioneUltra | Listino delle tariffe— | Unità di fatturazione/ 1K token audio | Costo Output · token audio in uscita $0.02 / 1K token audio |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il JSON completo, non solo il testo; preserva ogni segmento, parlante e timestamp disponibile e l'identità effettiva dell'attività o della risorsa.
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
| Campo | Tipo |
|---|---|
Campotext | Tipostring |
Camposegments[] | Tipoobject |
Campotask_id | Tipostring |
Campoasset_url | Tipostring |
Campousage | Tipoobject |
Camposegments[].speaker | Tipostring |
Camposegments[].start | Tiponumber |
Camposegments[].end | Tiponumber |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Ailoot Ultra openai/gpt-4o-transcribe-diarize
/audio/transcriptions