Source: https://ailoot.ai/models/kk/openai-gpt-4o-transcribe-diarize/ Canonical: https://ailoot.ai/models/kk/openai-gpt-4o-transcribe-diarize/ Language: kk # gpt-4o-transcribe-diarize [Markdown](https://ailoot.ai/models/kk/openai-gpt-4o-transcribe-diarize/index.md) · [JSON](https://ailoot.ai/models/kk/openai-gpt-4o-transcribe-diarize/facts.json) ## [gpt-4o-transcribe-diarize](https://ailoot.ai/models/kk/openai-gpt-4o-transcribe-diarize/) GPT-4o Transcribe Diarize жазылған сөзді сөйлеуші белгілері мен уақыттары бар сегменттерге бөлінген мәтінге айналдырады. Ол кімнің қашан сөйлегенін көрсетуі тиіс жиналыс, сұхбат және бірнеше адам қатысқан жазбаларға жарайды; белгілі сөйлеушілер үшін қысқа дауыс референстерін қосуға болады. - [**Ailoot Ultra · Сөйлеуді тану** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/kk/openai-gpt-4o-transcribe-diarize/#method-0) Модель туралы Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген. GPT-4o Transcribe Diarize — OpenAI компаниясының сөйлеушілерді ажыратуы кіріктірілген автоматты сөйлеу тану моделі. Ол мәтінге айналдырылған аудиосегменттерді әңгімедегі әртүрлі сөйлеушілермен байланыстырады. Пайдалы нәтиже — тұтас сөздер блогы ғана емес, сөйлеуші мен уақыт бойынша реттелген транскрипт. Ол жиналыс, сұхбат немесе бірнеше адам қатысқан талқылау сияқты сөйлеуші белгілерін қажет ететін жазылған сөзге арналған. #### Аяқталған жазбаны дайындаңыз Мәтінге айналдырылатын жазбаны беріңіз. Құжатталған файл процесі MP3, MP4, MPEG, MPGA, M4A, WAV және WebM пішімдерін, файл өлшемінің 25 MB шегімен қабылдайды. Сөйлеуші ауысуын, есімді немесе анық емес тіркесті нақты аудиоға салыстыру үшін бастапқы жазбаға қолжетімділікті сақтаңыз. Жиналыста репликаларды ажыратуға көмектесетін қысқа үзілістерді қиып тастаудың орнына әңгіме ретін сақтаңыз. Сұхбатта тапсырмаға сұрақ пен жауаптың байланысы қажет болса, оларды бірге ұстаңыз. Аудионы дайындау сөйлеуші белгілері бар нәтиже үшін маңызды ақпаратты жоймай, сөзді естілетін етуі тиіс. Бұл — файлды мәтінге айналдыру процесі. Аяқталған жазбаны өңдеу және әлі келіп жатқан аудиоағынды тану — әртүрлі тапсырмалар; модельдің сөйлеуші белгілері Realtime транскрипция сессияларында қолдау таппайды. #### Сөйлеуші белгілері бар транскрипт сұраңыз `diarized_json` нәтиже пішімі сөйлеушіні білдіретін белгілері, басталу және аяқталу уақыттары бар сегменттерді қайтарады. Әр сегмент өзінің танылған мәтінін де қамтиды. Сөздерді жазбаның тиісті бөлігімен байланыстыру үшін бұл өрістерді бірге сақтаңыз. Жиналыстың пайдалы транскрипті үшін сегменттер ретін сақтап, әр сөйлеушінің сөзін уақытымен бірге көрсетіңіз. Кейінгі тапсырма транскрипттен хаттама немесе әрекеттер тізімін дайындай алады, бірақ сөйлеушілерді ажыратудың өзі жиналыста не келісілгенін анықтамайды және тексерілген қорытынды жасамайды. Сөйлеуші белгілері модельдің сөзді топтастыруын сипаттайды. Адамдар бірін-бірі бөлетін, қысқа сөйлейтін немесе қатар сөйлейтін ауысуларды тексеріңіз. Жақсы құрылымды нәтиже бағдарлануға және тексеруге пайдалы, бірақ нақты репликаны белгілі сөйлеушіге жатқызу үшін бастапқы аудионы тыңдау әлі қажет болуы мүмкін. #### Белгілі сөйлеушілердің референстері Құжатталған процесс атауы берілген төрт сөйлеуші референсіне дейін қабылдай алады. Әр референс — негізгі жүктеуге қолдау көрсетілетін пішімдегі 2–10 секундтық қысқа аудиоклип. Сегменттерді белгілі сөйлеушілермен байланыстыру үшін атаулар мен референстер бірге беріледі. Қажетті сөйлеуші анық естілетін референс дайындап, оның атауын транскрипттің көзделген белгілерімен сәйкестендіріңіз. Сұхбатта жүргізушінің референсі әр қатысушыны анонимді белгіге айналдырмай, сөйлеуші белгілері бар нәтижені реттеуге көмектеседі. Референс сөзді сөйлеушіге жатқызуға арналған кіріс; ол жалпы дауыс клондау операциясы немесе адамның тұлғасын дәлелдеу емес. Сөйлеушіні атауды айтылған сөздерді өңдеумен шатастырмаңыз. Пайдалы шығыс жазба мазмұнын және репликалардың нақты ретін сақтауы тиіс. #### Бөліктерге бөлу және модель шектері 30 секундтан ұзақ аудио үшін өндіруші бөлу стратегиясын — автоматты бөлуді немесе дауыс белсенділігін анықтау баптауын — талап етеді. Бұл талап жазбаның ең ұзақ уақытын белгілемейді. Ол ұзын кірістің өңдеу үшін қалай бөлінетінін сипаттайды. Модель карточкасы 16 000 токендік контекст терезесін және ең көбі 2 000 шығыс токенін көрсетеді. Бұлар файл процесінің 25 MB жүктеу шегінен және бөлу табалдырығынан бөлек модельдің токен шектері. Оларды барлық жазбаға ортақ ойдан алынған минут санына айналдыруға болмайды. Ұзын транскриптті жинағанда немесе тексергенде уақыт пен сегмент идентификаторларын сақтаңыз. Жазба жіберуге дейін бөлінсе, жергілікті уақыт белгісін толық әңгімедегі орнымен шатастырмас үшін әр бөліктің бастапқы аудиомен байланысын сақтаңыз. #### Аяқталған сегменттерді ағынмен беру Файлды мәтінге айналдыру процесі жазбаны өңдеу кезінде мәтінді ағынмен бере алады. Сөйлеуші белгілері бар ағынмен беруде аяқталған сегменттер сегмент оқиғаларын жасайды. Мәтін өсімдері сегмент идентификаторын қамтиды, бірақ сөйлеушінің алдын ала тағайындалуын қамтымайды; сөйлеуші сегмент аяқталғанда тағайындалады. Бұл айырмашылық көрсету үшін маңызды. Модель сегментті аяқтағанша күмәнді сөйлеуші белгісін қоспай, алдын ала мәтін мен аяқталған репликаны әртүрлі күй ретінде көрсетіңіз. Транскрипт кейін өңдеу не талдау үшін қажет болса, аяқталған нәтижені сақтаңыз. #### Модель мен шығыстың шекаралары Бұл профиль — кәдімгі GPT-4o транскрипциясынан, Mini транскрипциясынан, сөйлеу синтезінен және жанды әңгіме модельдерінен бөлек сөйлеушілерді ажырату моделі. Ол транскрипцияға арналған мәтіндік нұсқауларды қолдамайды; терминдерді тексеру не түзетуді бастапқы аудиомен салыстырылатын бөлек қадам ретінде орындаңыз. Өндіруші интерфейсі жазылған аудионы мәтінге айналдыруға арналған. Ол аудиожауап жасамайды және бөлек аудио аудару процесі арқылы жазбаны аудармайды. Оны мазмұн мен сөйлеушілер құрылымы қатар қажет транскрипттер үшін пайдаланыңыз. Есімдерді, техникалық терминдерді, сандарды, реплика шекараларын және сөйлеушіге жатқызуды жазбаға салыстырып тексеріңіз. Түзету нақты бір тіркеске немесе сөйлеушіге жатқызуға бағытталуы үшін аудионы, таңдалған нәтиже пішімін, референстерді және аяқталған транскриптті сақтаңыз. **Ailoot Ultra · Сөйлеуді тану** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe-diarize` [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/kk/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) OpenAI /`openai/gpt-4o-transcribe-diarize` ### Бастау GPT-4o Transcribe Diarize жазылған сөзді сөйлеуші белгілері мен уақыттары бар сегменттерге бөлінген мәтінге айналдырады. Ол кімнің қашан сөйлегенін көрсетуі тиіс жиналыс, сұхбат және бірнеше адам қатысқан жазбаларға жарайды; белгілі сөйлеушілер үшін қысқа дауыс референстерін қосуға болады. Қабылданатын кіріс деректері Аудио Нәтижелер transcription ### Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер **Ailoot Ultra · Сөйлеуді тану** `POST /v1/audio/transcriptions` Кіріс `audio` Шығыс `transcription` Шығыс пішімі json | Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі | | --- | --- | --- | --- | --- | | Өріс`model` | Түрі`string` | ТалапМіндетті | Мәндер мен шектеулер openai/gpt-4o-transcribe-diarize | Әдепкі— | | Өріс`file` | Түрі`file` | ТалапМіндетті | Мәндер мен шектеулер Байттардың ең көп саны: 26 214 400 MIME түрлері: audio/mpeg Файл кеңейтімі: .mp3 Ұзақтықтың жоғарғы шегі, секунд: 30 | Әдепкі— | | Өріс`response_format` | Түрі`string` | ТалапМіндетті | Мәндер мен шектеулер diarized\_json | Әдепкі— | Кіріс материалдарының үйлесімдері **diarized\_transcription** Әдіс параметрлері мен өмірлік циклі | Параметр | Параметр талаптары | | --- | --- | | Параметр`content_type` | Параметр талаптарыmultipart/form-data | | Параметр`required` | Параметр талаптарыmodel, file, response\_format | | Параметр`file_formats` | Параметр талаптарыmp3 | | Параметр`max_audio_seconds` | Параметр талаптары30 | | Параметр`max_bytes` | Параметр талаптары26214400 | | Параметр`response_format` | Параметр талаптарыdiarized\_json | | Параметр`other_options` | Параметр талаптарыfalse | | Параметр`material_types` | Параметр талаптарыaudio | | Параметр`additional_properties` | Параметр талаптарыfalse | | Параметр`form_string_maximum_bytes` | Параметр талаптары256 | Әдістің балама атаулары: `/audio/transcriptions` Өмірлік цикл: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Нақты қайтарылған task\_id немесе медиатека жазбасы `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Нақты жазбаны және оған сәйкес пішімді пайдаланыңыз. Дыбыстан түсірілген мәтінді толық, сегменттерді, сөйлеуші ID мәндерін және уақыт деректерін сақтаңыз. ### Тарифтер Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген. Жылдам режим Көрсетілмеген Жылдам режим таңдалғанда Икемді режим Көрсетілмеген flex режимі таңдалғанда Ой қорытудың ең жоғары деңгейі Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда #### Ailoot мөлшерлемелері #### Баптаулар бойынша бағалар Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз. | Баптау | Мөлшерлемелер кестесі | Есептеу бірлігі | Төлем | | --- | --- | --- | --- | | БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Есептеу бірлігі— | Төлем Кіріс · Кіріс токендері **—** / 1K токен Шығыс · Шығыс токендері **—** / 1K токен Кіріс · Кэшті оқу **—** / 1K токен Кіріс · Кэшке жазу **—** / 1K токен Кіріс · Кэшке жазу, 1 сағ **—** / 1K токен | | БаптауUltra | Мөлшерлемелер кестесі— | Есептеу бірлігі/ 1K аудио токен | Төлем Кіріс · кіріс аудио токені **$0.012** / 1K аудио токен | | БаптауUltra | Мөлшерлемелер кестесі— | Есептеу бірлігі/ 1K аудио токен | Төлем Шығыс · шығыс аудио токені **$0.02** / 1K аудио токен | Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. [Резервтеу мен төлемді есептеу тәртібі →](https://ailoot.ai/docs/kk/billing/reserve/) ### Сұрау мысалдары #### Ailoot Ultra · Сөйлеуді тану curl · сақталған құру сұрауының дәл нұсқасы ```bash set -eu : "${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 ``` ### Нәтижелерді алу және сақтау #### Ailoot Ultra · Сөйлеуді тану json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Басқа мазмұнды оқу Өзіңізге тиесілі әр қайтарылған транскрипцияны сақтауМедиа кітапханасыТапсырма күйіМатериал мәліметтері ```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 ``` ##### Барлық дайын нәтижені сақтау Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз. Тек мәтінді емес, JSON жауабын толық сақтаңыз; қолжетімді әрбір сегментті, сөйлеушіні, уақыт белгісін және нақты тапсырма мен ресурс идентификаторын сақтаңыз. ##### Бастапқы жауапты тексеру қажет болса Қайта жібермей салыстырып тексеру үшін бастапқы operation\_id/X-Client-Request-ID мәнін сақтаңыз; аудио күйін мерзімді түрде сұратуға арналған жеке маршрут жоқ. Жауап өрістері | Өріс | Түрі | | --- | --- | | Өріс`text` | Түріstring | | Өріс`segments[]` | Түріobject | | Өріс`task_id` | Түріstring | | Өріс`asset_url` | Түріstring | | Өріс`usage` | Түріobject | | Өріс`segments[].speaker` | Түріstring | | Өріс`segments[].start` | Түріnumber | | Өріс`segments[].end` | Түріnumber | Қателер және келесі қадамдар | Жауап | Шарт | Келесі қадам | | --- | --- | --- | | Жауап400 · `invalid_request_error` | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. | | Жауап`server_error` | ШартҚайтарылған жауапта операцияны немесе нәтижені тексеру қажет екені көрсетілген | Келесі қадамБастапқыда қайтарылған операцияның/тапсырманың ID мәнін, сұрау тақырыптарын және жауабын сақтаңыз; сол бастапқы операцияны қолдау көрсетілетін тәсілдермен оқуды жалғастырыңыз. Жасау сұрауын қайта жібермеңіз. | ### Балама атаулар #### Модельдердің балама атаулары **Ailoot Ultra** [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/kk/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) #### Әдіс жолдарының балама атаулары `/audio/transcriptions` #### Шақыруға арналған байланысты ID [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/kk/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) FAQ · gpt-4o-transcribe-diarize Қандай кіріс деректері мен нәтижелер қолжетімді? `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe-diarize`: `audio` → `transcription` Сұрау қандай өрістерді пайдаланады? `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe-diarize`: `model`, `file`, `response_format` Ailoot-ты Claude Code, OpenCode, Hermes не қолданбаңызға қосыңыз. ## Компания және оның жобалар портфелі Компания және оның жобалар портфелі: миллиондаған клиент; ай сайынғы сату көлемі миллиардтармен есептеледі. ## Токенді жеңілдікпен сатып алыңыз. Тұрақты жұмысқа жазылым жеңілдігі. Токен сатып алуға промокодтар — 50% дейін. Жазылым Тұрақты сұрауыңызға жеңілдікті тариф таңдаңыз. 50% дейінгі промокод Сатып алғанда код енгізіңіз. Баға қазіргі науқанмен қайта есептеледі. Тарихтағы шығындар Әр сұрауға модель, токен және сома сақталады. [Жазылым таңдау](https://ailoot.ai/docs/kk/billing/subscriptions/) · [Модель бағасын көру](https://ailoot.ai/models/kk/) ## API-ді сататын өніміңізге қосыңыз. SaaS, қолданба мен бот Ailoot офертасы және лицензиялық шартына сай. Қайта сатуға реселлер лицензиясын сұраңыз. Коммерциялық қолданба Қызметіңіздің ақылы функциясына мәтін, сурет, бейне және дыбыс жасауды қосыңыз. Реселлер лицензиясы Жоба сипаттамасы мен кіру схемасын жіберіңіз. Пайдалану мен қайта сатуға жазбаша шарт сұраңыз. Сайттағы құжаттар Оферта, лицензиялық шарт және дерек саясаты қоспай тұрып қолжетімді. [Реселлер лицензиясын сұрау](mailto:support@ailoot.ai) · [Оферта мен лицензиялық шарт](https://ailoot.ai/legal/offer?lang=kk) ## Ailoot · Компания және оның жобалар портфелі Ailoot жинақталған жұмыс тәжірибесіне, кең клиенттік базаға, тұрақты қызметке және KPI көрсеткіштерін үздіксіз бақылауға сүйенеді. Компания және оның жобалар портфелі: миллиондаған клиент; ай сайынғы сату көлемі миллиардтармен есептеледі. Ailoot осы тәжірибені клиенттердің өнімдерінде, агенттерінде, қолданбаларында және автоматтандыруларында жасанды интеллект мүмкіндіктеріне API арқылы қол жеткізуді қамтамасыз етуге пайдаланады.