GPT-4o Transcribe Diarize yra OpenAI automatinio kalbos atpažinimo modelis su integruotu kalbėtojų atskyrimu. Jis susieja transkribuotus garso segmentus su skirtingais pokalbio dalyviais. Naudingas rezultatas — išklotinė, sutvarkyta pagal kalbėtoją ir laiką, o ne vien ištisinis žodžių blokas. Modelis skirtas įrašytai kalbai, kuriai reikia kalbėtojų žymų, pavyzdžiui, susitikimui, interviu ar kelių žmonių diskusijai.
Pateikite įrašą, kurį reikia transkribuoti. Dokumentuotas failų apdorojimo procesas priima MP3, MP4, MPEG, MPGA, M4A, WAV ir WebM, o failo dydžio riba yra 25 MB. Išsaugokite pradinį įrašą, kad kalbėtojo pasisakymą, vardą ar neaiškią frazę būtų galima patikrinti pagal tikrą garsą.
Susitikimo įraše išlaikykite pokalbio seką, užuot iškirpę trumpas pauzes, padedančias atskirti pasisakymus. Interviu klausimą ir atsakymą laikykite kartu, kai užduočiai svarbus jų ryšys. Garso paruošimas turėtų padaryti kalbą girdimą nepašalinant informacijos, svarbios rezultatui su kalbėtojų žymomis.
Tai failo transkribavimo procesas. Užbaigto įrašo apdorojimas ir dar gaunamo garso srauto atpažinimas yra skirtingos užduotys; modelio kalbėtojų žymėjimas nepalaikomas Realtime transkribavimo sesijose.
Rezultato formatas diarized_json grąžina segmentus su kalbėtojų tapatybės žymomis bei pradžios ir pabaigos laiku. Kiekviename segmente taip pat yra jo transkribuotas tekstas. Šiuos laukus laikykite kartu, kad žodžius būtų galima susieti su atitinkama įrašo dalimi.
Naudingoje susitikimo išklotinėje išlaikykite segmentų seką ir pateikite kiekvieno kalbėtojo žodžius kartu su jų laiku. Vėlesnė užduotis gali pagal šią išklotinę parengti protokolą ar veiksmų sąrašą, tačiau pats kalbėtojų atskyrimas nenusprendžia, dėl ko susitikime sutarta, ir negeneruoja patikrintos santraukos.
Kalbėtojų žymos apibūdina modelio atliktą kalbos grupavimą. Patikrinkite perėjimus, kai žmonės vienas kitą pertraukia, kalba trumpai arba vienu metu. Gerai struktūruotas rezultatas padeda naršyti ir peržiūrėti įrašą, tačiau konkretų priskyrimą vis tiek gali tekti patikrinti klausantis pradinio garso.
Dokumentuotas procesas gali priimti iki keturių įvardytų kalbėtojų pavyzdžių. Kiekvienas pavyzdys yra trumpas 2–10 sekundžių garso įrašas, pateiktas pagrindiniam įkėlimui palaikomu formatu. Vardai ir pavyzdžiai pateikiami kartu, kad segmentus būtų galima susieti su žinomais kalbėtojais.
Paruoškite pavyzdį, kuriame aiškiai girdimas numatytas kalbėtojas, ir jo vardą naudokite nuosekliai su numatytomis išklotinės žymomis. Interviu vedėjo pavyzdys gali padėti sutvarkyti rezultatą su kalbėtojų žymomis nepaverčiant kiekvieno dalyvio anonimine žyma. Pavyzdys yra priskyrimo įvestis, o ne bendro pobūdžio balso klonavimo operacija ar asmens tapatybės įrodymas.
Nepainiokite kalbėtojo įvardijimo su ištartų žodžių redagavimu. Naudinga išvestis vis tiek turi išsaugoti įrašo turinį ir tikrą pasisakymų tvarką.
Ilgesniam nei 30 sekundžių garsui gamintojas reikalauja skaidymo strategijos: automatinio skaidymo arba balso aktyvumo aptikimo konfigūracijos. Šis reikalavimas nėra didžiausia įrašo trukmė. Jis apibūdina, kaip ilgesnė įvestis suskaidoma apdorojimui.
Modelio kortelėje nurodytas 16 000 žetonų konteksto langas ir daugiausia 2 000 išvesties žetonų. Tai modelio žetonų ribos, atskiros nuo failų proceso 25 MB įkėlimo ribos ir skaidymo slenksčio. Jų negalima paversti išgalvotu minučių skaičiumi, taikomu kiekvienam įrašui.
Jungdami ar tikrindami ilgesnę išklotinę išsaugokite laiką ir segmentų tapatybę. Jei prieš pateikiant įrašas suskaidytas, išlaikykite kiekvienos dalies ryšį su pradiniu garsu, kad vietinė laiko žyma nebūtų supainiota su jos vieta visame pokalbyje.
Failo transkribavimo procesas gali srautiniu būdu perduoti tekstą apdorojant įrašą. Srautiniame perdavime su kalbėtojų žymomis užbaigti segmentai sukuria segmentų įvykius. Teksto pokyčiuose yra segmento identifikatorius, bet nėra dalinių kalbėtojų priskyrimų; kalbėtojas priskiriamas užbaigus segmentą.
Šis skirtumas svarbus pateikimui. Laikiną tekstą ir užbaigtą kalbėtojo pasisakymą rodykite kaip skirtingas būsenas, užuot priskyrę nepatikimą kalbėtojo žymą, kol modelis dar neužbaigė segmento. Išsaugokite užbaigtą rezultatą, kai išklotinė bus reikalinga vėlesniam redagavimui ar analizei.
Šis profilis yra kalbėtojų atskyrimo modelis, atskiras nuo įprasto GPT-4o transkribavimo, Mini transkribavimo, kalbos sintezės ir tiesioginio pokalbio modelių. Jis nepalaiko transkribavimo užklausos teksto; terminų peržiūrą ar taisymą laikykite atskiru žingsniu, tikrinamu pagal pradinį garsą. Gamintojo sąsaja transkribuoja įrašytą garsą į tekstą. Ji negeneruoja garsinio atsakymo ir neverčia įrašo per atskirą garso vertimo procesą.
Naudokite modelį išklotinėms, kurioms reikia ir turinio, ir kalbėtojų struktūros. Vardus, techninius terminus, skaičius, pasisakymų ribas bei priskyrimus tikrinkite pagal įrašą. Išsaugokite garsą, pasirinktą rezultato formatą, pavyzdžius ir užbaigtą išklotinę, kad pataisa galėtų būti skirta vienai konkrečiai frazei ar kalbėtojo priskyrimui.
", "aboutText": "GPT-4o Transcribe Diarize yra OpenAI automatinio kalbos atpažinimo modelis su integruotu kalbėtojų atskyrimu. Jis susieja transkribuotus garso segmentus su skirtingais pokalbio dalyviais. Naudingas rezultatas — išklotinė, sutvarkyta pagal kalbėtoją ir laiką, o ne vien ištisinis žodžių blokas. Modelis skirtas įrašytai kalbai, kuriai reikia kalbėtojų žymų, pavyzdžiui, susitikimui, interviu ar kelių žmonių diskusijai.\n\n### Paruoškite užbaigtą įrašą\n\nPateikite įrašą, kurį reikia transkribuoti. Dokumentuotas failų apdorojimo procesas priima MP3, MP4, MPEG, MPGA, M4A, WAV ir WebM, o failo dydžio riba yra 25 MB. Išsaugokite pradinį įrašą, kad kalbėtojo pasisakymą, vardą ar neaiškią frazę būtų galima patikrinti pagal tikrą garsą.\n\nSusitikimo įraše išlaikykite pokalbio seką, užuot iškirpę trumpas pauzes, padedančias atskirti pasisakymus. Interviu klausimą ir atsakymą laikykite kartu, kai užduočiai svarbus jų ryšys. Garso paruošimas turėtų padaryti kalbą girdimą nepašalinant informacijos, svarbios rezultatui su kalbėtojų žymomis.\n\nTai failo transkribavimo procesas. Užbaigto įrašo apdorojimas ir dar gaunamo garso srauto atpažinimas yra skirtingos užduotys; modelio kalbėtojų žymėjimas nepalaikomas Realtime transkribavimo sesijose.\n\n### Paprašykite išklotinės su kalbėtojų žymomis\n\nRezultato formatas `diarized_json` grąžina segmentus su kalbėtojų tapatybės žymomis bei pradžios ir pabaigos laiku. Kiekviename segmente taip pat yra jo transkribuotas tekstas. Šiuos laukus laikykite kartu, kad žodžius būtų galima susieti su atitinkama įrašo dalimi.\n\nNaudingoje susitikimo išklotinėje išlaikykite segmentų seką ir pateikite kiekvieno kalbėtojo žodžius kartu su jų laiku. Vėlesnė užduotis gali pagal šią išklotinę parengti protokolą ar veiksmų sąrašą, tačiau pats kalbėtojų atskyrimas nenusprendžia, dėl ko susitikime sutarta, ir negeneruoja patikrintos santraukos.\n\nKalbėtojų žymos apibūdina modelio atliktą kalbos grupavimą. Patikrinkite perėjimus, kai žmonės vienas kitą pertraukia, kalba trumpai arba vienu metu. Gerai struktūruotas rezultatas padeda naršyti ir peržiūrėti įrašą, tačiau konkretų priskyrimą vis tiek gali tekti patikrinti klausantis pradinio garso.\n\n### Žinomų kalbėtojų pavyzdžiai\n\nDokumentuotas procesas gali priimti iki keturių įvardytų kalbėtojų pavyzdžių. Kiekvienas pavyzdys yra trumpas 2–10 sekundžių garso įrašas, pateiktas pagrindiniam įkėlimui palaikomu formatu. Vardai ir pavyzdžiai pateikiami kartu, kad segmentus būtų galima susieti su žinomais kalbėtojais.\n\nParuoškite pavyzdį, kuriame aiškiai girdimas numatytas kalbėtojas, ir jo vardą naudokite nuosekliai su numatytomis išklotinės žymomis. Interviu vedėjo pavyzdys gali padėti sutvarkyti rezultatą su kalbėtojų žymomis nepaverčiant kiekvieno dalyvio anonimine žyma. Pavyzdys yra priskyrimo įvestis, o ne bendro pobūdžio balso klonavimo operacija ar asmens tapatybės įrodymas.\n\nNepainiokite kalbėtojo įvardijimo su ištartų žodžių redagavimu. Naudinga išvestis vis tiek turi išsaugoti įrašo turinį ir tikrą pasisakymų tvarką.\n\n### Skaidymas ir modelio ribos\n\nIlgesniam nei 30 sekundžių garsui gamintojas reikalauja skaidymo strategijos: automatinio skaidymo arba balso aktyvumo aptikimo konfigūracijos. Šis reikalavimas nėra didžiausia įrašo trukmė. Jis apibūdina, kaip ilgesnė įvestis suskaidoma apdorojimui.\n\nModelio kortelėje nurodytas 16 000 žetonų konteksto langas ir daugiausia 2 000 išvesties žetonų. Tai modelio žetonų ribos, atskiros nuo failų proceso 25 MB įkėlimo ribos ir skaidymo slenksčio. Jų negalima paversti išgalvotu minučių skaičiumi, taikomu kiekvienam įrašui.\n\nJungdami ar tikrindami ilgesnę išklotinę išsaugokite laiką ir segmentų tapatybę. Jei prieš pateikiant įrašas suskaidytas, išlaikykite kiekvienos dalies ryšį su pradiniu garsu, kad vietinė laiko žyma nebūtų supainiota su jos vieta visame pokalbyje.\n\n### Užbaigtų segmentų srautinis perdavimas\n\nFailo transkribavimo procesas gali srautiniu būdu perduoti tekstą apdorojant įrašą. Srautiniame perdavime su kalbėtojų žymomis užbaigti segmentai sukuria segmentų įvykius. Teksto pokyčiuose yra segmento identifikatorius, bet nėra dalinių kalbėtojų priskyrimų; kalbėtojas priskiriamas užbaigus segmentą.\n\nŠis skirtumas svarbus pateikimui. Laikiną tekstą ir užbaigtą kalbėtojo pasisakymą rodykite kaip skirtingas būsenas, užuot priskyrę nepatikimą kalbėtojo žymą, kol modelis dar neužbaigė segmento. Išsaugokite užbaigtą rezultatą, kai išklotinė bus reikalinga vėlesniam redagavimui ar analizei.\n\n### Modelio ir išvesties ribos\n\nŠis profilis yra kalbėtojų atskyrimo modelis, atskiras nuo įprasto GPT-4o transkribavimo, Mini transkribavimo, kalbos sintezės ir tiesioginio pokalbio modelių. Jis nepalaiko transkribavimo užklausos teksto; terminų peržiūrą ar taisymą laikykite atskiru žingsniu, tikrinamu pagal pradinį garsą. Gamintojo sąsaja transkribuoja įrašytą garsą į tekstą. Ji negeneruoja garsinio atsakymo ir neverčia įrašo per atskirą garso vertimo procesą.\n\nNaudokite modelį išklotinėms, kurioms reikia ir turinio, ir kalbėtojų struktūros. Vardus, techninius terminus, skaičius, pasisakymų ribas bei priskyrimus tikrinkite pagal įrašą. Išsaugokite garsą, pasirinktą rezultato formatą, pavyzdžius ir užbaigtą išklotinę, kad pataisa galėtų būti skirta vienai konkrečiai frazei ar kalbėtojo priskyrimui.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "62d9c5c5bb4afb433bdd45b9dfb40a9ba1e5e1d4f5674d34e72d5d8a09caca86", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "lt", "methods": [ { "html": "openai/gpt-4o-transcribe-diarizeGPT-4o Transcribe Diarize paverčia įrašytą kalbą tekstu su kalbėtojų žymomis ir laiko ribomis pažymėtais segmentais. Tinka susitikimams, interviu ir kelių žmonių įrašams, kai išklotinėje turi matytis, kas ir kada kalbėjo; žinomiems kalbėtojams galima pateikti trumpus balso pavyzdžius.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
GPT-4o Transcribe Diarize yra OpenAI automatinio kalbos atpažinimo modelis su integruotu kalbėtojų atskyrimu. Jis susieja transkribuotus garso segmentus su skirtingais pokalbio dalyviais. Naudingas rezultatas — išklotinė, sutvarkyta pagal kalbėtoją ir laiką, o ne vien ištisinis žodžių blokas. Modelis skirtas įrašytai kalbai, kuriai reikia kalbėtojų žymų, pavyzdžiui, susitikimui, interviu ar kelių žmonių diskusijai.
Pateikite įrašą, kurį reikia transkribuoti. Dokumentuotas failų apdorojimo procesas priima MP3, MP4, MPEG, MPGA, M4A, WAV ir WebM, o failo dydžio riba yra 25 MB. Išsaugokite pradinį įrašą, kad kalbėtojo pasisakymą, vardą ar neaiškią frazę būtų galima patikrinti pagal tikrą garsą.
Susitikimo įraše išlaikykite pokalbio seką, užuot iškirpę trumpas pauzes, padedančias atskirti pasisakymus. Interviu klausimą ir atsakymą laikykite kartu, kai užduočiai svarbus jų ryšys. Garso paruošimas turėtų padaryti kalbą girdimą nepašalinant informacijos, svarbios rezultatui su kalbėtojų žymomis.
Tai failo transkribavimo procesas. Užbaigto įrašo apdorojimas ir dar gaunamo garso srauto atpažinimas yra skirtingos užduotys; modelio kalbėtojų žymėjimas nepalaikomas Realtime transkribavimo sesijose.
Rezultato formatas diarized_json grąžina segmentus su kalbėtojų tapatybės žymomis bei pradžios ir pabaigos laiku. Kiekviename segmente taip pat yra jo transkribuotas tekstas. Šiuos laukus laikykite kartu, kad žodžius būtų galima susieti su atitinkama įrašo dalimi.
Naudingoje susitikimo išklotinėje išlaikykite segmentų seką ir pateikite kiekvieno kalbėtojo žodžius kartu su jų laiku. Vėlesnė užduotis gali pagal šią išklotinę parengti protokolą ar veiksmų sąrašą, tačiau pats kalbėtojų atskyrimas nenusprendžia, dėl ko susitikime sutarta, ir negeneruoja patikrintos santraukos.
Kalbėtojų žymos apibūdina modelio atliktą kalbos grupavimą. Patikrinkite perėjimus, kai žmonės vienas kitą pertraukia, kalba trumpai arba vienu metu. Gerai struktūruotas rezultatas padeda naršyti ir peržiūrėti įrašą, tačiau konkretų priskyrimą vis tiek gali tekti patikrinti klausantis pradinio garso.
Dokumentuotas procesas gali priimti iki keturių įvardytų kalbėtojų pavyzdžių. Kiekvienas pavyzdys yra trumpas 2–10 sekundžių garso įrašas, pateiktas pagrindiniam įkėlimui palaikomu formatu. Vardai ir pavyzdžiai pateikiami kartu, kad segmentus būtų galima susieti su žinomais kalbėtojais.
Paruoškite pavyzdį, kuriame aiškiai girdimas numatytas kalbėtojas, ir jo vardą naudokite nuosekliai su numatytomis išklotinės žymomis. Interviu vedėjo pavyzdys gali padėti sutvarkyti rezultatą su kalbėtojų žymomis nepaverčiant kiekvieno dalyvio anonimine žyma. Pavyzdys yra priskyrimo įvestis, o ne bendro pobūdžio balso klonavimo operacija ar asmens tapatybės įrodymas.
Nepainiokite kalbėtojo įvardijimo su ištartų žodžių redagavimu. Naudinga išvestis vis tiek turi išsaugoti įrašo turinį ir tikrą pasisakymų tvarką.
Ilgesniam nei 30 sekundžių garsui gamintojas reikalauja skaidymo strategijos: automatinio skaidymo arba balso aktyvumo aptikimo konfigūracijos. Šis reikalavimas nėra didžiausia įrašo trukmė. Jis apibūdina, kaip ilgesnė įvestis suskaidoma apdorojimui.
Modelio kortelėje nurodytas 16 000 žetonų konteksto langas ir daugiausia 2 000 išvesties žetonų. Tai modelio žetonų ribos, atskiros nuo failų proceso 25 MB įkėlimo ribos ir skaidymo slenksčio. Jų negalima paversti išgalvotu minučių skaičiumi, taikomu kiekvienam įrašui.
Jungdami ar tikrindami ilgesnę išklotinę išsaugokite laiką ir segmentų tapatybę. Jei prieš pateikiant įrašas suskaidytas, išlaikykite kiekvienos dalies ryšį su pradiniu garsu, kad vietinė laiko žyma nebūtų supainiota su jos vieta visame pokalbyje.
Failo transkribavimo procesas gali srautiniu būdu perduoti tekstą apdorojant įrašą. Srautiniame perdavime su kalbėtojų žymomis užbaigti segmentai sukuria segmentų įvykius. Teksto pokyčiuose yra segmento identifikatorius, bet nėra dalinių kalbėtojų priskyrimų; kalbėtojas priskiriamas užbaigus segmentą.
Šis skirtumas svarbus pateikimui. Laikiną tekstą ir užbaigtą kalbėtojo pasisakymą rodykite kaip skirtingas būsenas, užuot priskyrę nepatikimą kalbėtojo žymą, kol modelis dar neužbaigė segmento. Išsaugokite užbaigtą rezultatą, kai išklotinė bus reikalinga vėlesniam redagavimui ar analizei.
Šis profilis yra kalbėtojų atskyrimo modelis, atskiras nuo įprasto GPT-4o transkribavimo, Mini transkribavimo, kalbos sintezės ir tiesioginio pokalbio modelių. Jis nepalaiko transkribavimo užklausos teksto; terminų peržiūrą ar taisymą laikykite atskiru žingsniu, tikrinamu pagal pradinį garsą. Gamintojo sąsaja transkribuoja įrašytą garsą į tekstą. Ji negeneruoja garsinio atsakymo ir neverčia įrašo per atskirą garso vertimo procesą.
Naudokite modelį išklotinėms, kurioms reikia ir turinio, ir kalbėtojų struktūros. Vardus, techninius terminus, skaičius, pasisakymų ribas bei priskyrimus tikrinkite pagal įrašą. Išsaugokite garsą, pasirinktą rezultato formatą, pavyzdžius ir užbaigtą išklotinę, kad pataisa galėtų būti skirta vienai konkrečiai frazei ar kalbėtojo priskyrimui.
POST /v1/audio/transcriptionsaudiotranscription| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos openai/gpt-4o-transcribe-diarize | Numatyta— |
Laukasfile | Tipasfile | ReikalavimasPrivaloma | Reikšmės ir ribos Didžiausias baitų skaičius: 26 214 400 MIME tipai: audio/mpeg Failo plėtinys: .mp3 Didžiausia trukmė, sekundės: 30 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos diarized_json | Numatyta— |
diarized_transcription
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijamultipart/form-data |
Parametrasrequired | Specifikacijamodel, file, response_format |
Parametrasfile_formats | Specifikacijamp3 |
Parametrasmax_audio_seconds | Specifikacija30 |
Parametrasmax_bytes | Specifikacija26214400 |
Parametrasresponse_format | Specifikacijadiarized_json |
Parametrasother_options | Specifikacijafalse |
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasadditional_properties | Specifikacijafalse |
Parametrasform_string_maximum_bytes | Specifikacija256 |
Metodo pseudonimai: /audio/transcriptions
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Naudokite tikrą įrašą ir atitinkamą formatą.
Išsaugokite visą transkripciją, segmentus, kalbėtojų ID ir laiko duomenis.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Apskaitos vienetas | Mokestis |
|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUltra | Įkainių lentelė— | Apskaitos vienetas/ 1K garso tokenų | Mokestis Įvestis · garso įvesties žetonas $0.012 / 1K garso tokenų |
| KonfigūracijaUltra | Įkainių lentelė— | Apskaitos vienetas/ 1K garso tokenų | Mokestis Išvestis · garso išvesties žetonas $0.02 / 1K garso tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${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\nIšsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą JSON, ne vien tekstą; išsaugokite kiekvieną pasiekiamą segmentą, kalbėtoją, laiko žymą ir tikrą užduoties ar ištekliaus tapatybę.
Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.
| Laukas | Tipas |
|---|---|
Laukastext | Tipasstring |
Laukassegments[] | Tipasobject |
Laukastask_id | Tipasstring |
Laukasasset_url | Tipasstring |
Laukasusage | Tipasobject |
Laukassegments[].speaker | Tipasstring |
Laukassegments[].start | Tipasnumber |
Laukassegments[].end | Tipasnumber |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Atsakymasserver_error | SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti | Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite. |
Ailoot Ultra openai/gpt-4o-transcribe-diarize
/audio/transcriptions