gpt-4o-transcribe-diarize

GPT-4o Transcribe Diarize menukarkan rakaman pertuturan kepada teks dengan segmen berlabel penutur dan masa. Model ini sesuai untuk mesyuarat, temu bual dan rakaman beberapa orang apabila transkrip perlu menunjukkan siapa yang bercakap dan bila, dengan rujukan suara ringkas pilihan untuk penutur yang dikenali.

Ailoot Ultra · Pengecaman pertuturan POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

GPT-4o Transcribe Diarize ialah model pengecaman pertuturan automatik OpenAI dengan diarisasi penutur terbina dalam. Model ini mengaitkan segmen audio yang ditranskripsikan dengan penutur berbeza dalam perbualan. Hasil yang berguna ialah transkrip yang disusun mengikut penutur dan masa, dan bukannya blok perkataan yang berterusan sahaja. Model ini ditujukan untuk rakaman pertuturan yang memerlukan label penutur, seperti mesyuarat, temu bual atau perbincangan beberapa orang.

Sediakan rakaman yang telah selesai

Bekalkan rakaman yang perlu ditranskripsikan. Aliran kerja fail yang didokumenkan menerima MP3, MP4, MPEG, MPGA, M4A, WAV dan WebM, dengan had saiz fail 25 MB. Simpan rakaman sumber supaya giliran pertuturan, nama atau frasa yang tidak jelas dapat disemak terhadap audio sebenar.

Untuk mesyuarat, kekalkan urutan perbualan dan bukannya memotong jeda ringkas yang membantu membezakan giliran. Untuk temu bual, simpan soalan dan respons bersama apabila tugas memerlukan hubungan antara kedua-duanya. Penyediaan audio perlu menjadikan pertuturan dapat didengar tanpa membuang maklumat yang penting bagi hasil berlabel penutur.

Ini ialah aliran kerja transkripsi fail. Pemprosesan rakaman yang telah selesai dan pengecaman aliran audio yang masih diterima ialah tugas berbeza; pelabelan penutur model tidak disokong dalam sesi transkripsi Realtime.

Minta transkrip berlabel penutur

Format hasil diarized_json mengembalikan segmen dengan label identiti penutur serta masa mula dan tamat. Setiap segmen turut mengandungi teks yang ditranskripsikan. Simpan medan ini bersama supaya perkataan dapat dikaitkan dengan bahagian rakaman yang berkaitan.

Untuk transkrip mesyuarat yang berguna, kekalkan urutan segmen dan paparkan perkataan setiap penutur bersama masanya. Tugas kemudian boleh menggunakan transkrip untuk menyediakan minit atau senarai tindakan, tetapi diarisasi sendiri tidak menentukan perkara yang dipersetujui dalam mesyuarat atau menjana ringkasan yang disahkan.

Label penutur menerangkan pengelompokan pertuturan oleh model. Periksa peralihan apabila orang mencelah, bercakap ringkas atau bertindih. Hasil yang tersusun baik berguna untuk navigasi dan semakan, manakala atribusi tertentu masih boleh memerlukan pendengaran semula audio asal.

Rujukan penutur yang dikenali

Aliran kerja yang didokumenkan boleh menerima sehingga empat rujukan penutur dengan nama. Setiap rujukan ialah klip audio ringkas sepanjang 2–10 saat dalam format yang disokong oleh muat naik utama. Nama dan rujukan dibekalkan bersama supaya segmen dapat dikaitkan dengan penutur yang dikenali.

Sediakan rujukan yang jelas mengandungi penutur yang dimaksudkan dan pastikan namanya konsisten dengan label yang dikehendaki dalam transkrip. Untuk temu bual, rujukan pengacara boleh membantu menyusun hasil berlabel penutur tanpa menjadikan setiap peserta label tanpa nama. Rujukan ialah input kepada atribusi; rujukan bukan operasi pengklonan suara umum atau bukti identiti seseorang.

Jangan kelirukan penamaan penutur dengan penyuntingan perkataan yang dituturkan. Output yang berguna masih perlu mengekalkan kandungan rakaman dan urutan giliran sebenar.

Pembahagian dan had model

Untuk audio yang melebihi 30 saat, pengeluar mewajibkan strategi pembahagian, sama ada pembahagian automatik atau konfigurasi pengesanan aktiviti suara. Keperluan itu bukan tempoh rakaman maksimum. Keperluan itu menerangkan cara input lebih panjang dibahagikan untuk pemprosesan.

Kad model menyenaraikan tetingkap konteks 16000 token dan maksimum 2000 token output. Ini ialah had token model, berasingan daripada had muat naik 25 MB dalam aliran kerja fail dan ambang pembahagian. Had ini tidak boleh ditukarkan kepada bilangan minit rekaan yang terpakai pada setiap rakaman.

Kekalkan masa dan identiti segmen apabila menyusun atau memeriksa transkrip panjang. Jika rakaman dibahagikan sebelum dihantar, simpan hubungan setiap bahagian dengan audio asal supaya cap masa setempat tidak dikelirukan dengan kedudukannya dalam seluruh perbualan.

Penstriman segmen yang dimuktamadkan

Aliran kerja transkripsi fail boleh menstrim teks semasa rakaman diproses. Dengan penstriman berlabel penutur, segmen yang telah selesai menghasilkan peristiwa segmen. Delta teks mengandungi pengecam segmen tetapi tidak mengandungi penetapan penutur separa; penutur ditetapkan apabila segmen dimuktamadkan.

Perbezaan ini penting untuk paparan. Paparkan teks sementara dan giliran penutur yang telah dimuktamadkan sebagai keadaan berbeza, dan bukannya melampirkan label penutur yang belum pasti sebelum model melengkapkan segmen. Simpan hasil yang telah selesai apabila transkrip diperlukan untuk penyuntingan atau analisis kemudian.

Sempadan model dan output

Profil ini ialah model diarisasi, berasingan daripada transkripsi GPT-4o biasa, transkripsi Mini, sintesis pertuturan dan model perbualan langsung. Model ini tidak menyokong prompt transkripsi; simpan sebarang semakan atau pembetulan istilah sebagai langkah berasingan yang disemak terhadap audio asal. Antara muka pengeluarnya mentranskripsikan rakaman audio kepada teks. Model ini tidak menjana jawapan audio atau menterjemahkan rakaman melalui aliran kerja terjemahan audio yang berasingan.

Gunakan model untuk transkrip yang memerlukan kandungan serta struktur penutur. Semak nama, istilah teknikal, nombor, sempadan giliran dan atribusi terhadap rakaman. Simpan audio, format hasil yang dipilih, rujukan serta transkrip yang telah selesai supaya pembetulan boleh menangani satu frasa atau atribusi penutur yang konkrit.

Ailoot Ultra · Pengecaman pertuturan POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize

openai/gpt-4o-transcribe-diarize

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

Pengenalan

Input yang diterima: Audio
Hasil: transcription

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Pengecaman pertuturan POST /v1/audio/transcriptions

Input: audio
Output: transcription
Format output: json

Medan	Jenis	Keperluan	Nilai & had	Lalai
Medan`model`	Jenis`string`	KeperluanDiperlukan	Nilai & had openai/gpt-4o-transcribe-diarize	Lalai—
Medan`file`	Jenis`file`	KeperluanDiperlukan	Nilai & had Bait maksimum: 26,214,400 Jenis MIME: audio/mpeg Sambungan fail: .mp3 Tempoh maksimum, saat: 30	Lalai—
Medan`response_format`	Jenis`string`	KeperluanDiperlukan	Nilai & had diarized_json	Lalai—

Gabungan bahan input

diarized_transcription

Parameter kaedah dan kitar hayat

Parameter	Kontrak
Parameter`content_type`	Kontrakmultipart/form-data
Parameter`required`	Kontrakmodel, file, response_format
Parameter`file_formats`	Kontrakmp3
Parameter`max_audio_seconds`	Kontrak30
Parameter`max_bytes`	Kontrak26214400
Parameter`response_format`	Kontrakdiarized_json
Parameter`other_options`	Kontrakfalse
Parameter`material_types`	Kontrakaudio
Parameter`additional_properties`	Kontrakfalse
Parameter`form_string_maximum_bytes`	Kontrak256

Alias kaedah: /audio/transcriptions

Kitar hayat: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Gunakan rakaman sebenar dan format yang sepadan.

Simpan transkrip penuh, segmen, ID penutur dan maklumat masa.

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas: Tidak dinyatakan Apabila mod pantas dipilih
Mod flex: Tidak dinyatakan Apabila mod flex dipilih
Usaha penaakulan maksimum: Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.

Konfigurasi	Jadual kadar	Unit pengebilan	Caj
KonfigurasiKadar asas token	Jadual kadarKadar asas	Unit pengebilan—	Caj Input · Token input — / 1K token Output · Token output — / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token
KonfigurasiUltra	Jadual kadar—	Unit pengebilan/ 1K token audio	Caj Input · token input audio $0.012 / 1K token audio
KonfigurasiUltra	Jadual kadar—	Unit pengebilan/ 1K token audio	Caj Output · token keluaran audio $0.02 / 1K token audio

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · Pengecaman pertuturan

curl · permintaan penciptaan tersimpan yang tepat

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

Terima dan simpan hasil

Ailoot Ultra · Pengecaman pertuturan

json

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

Pembacaan kandungan lain

Simpan setiap transkrip yang dikembalikan dan menjadi milik andaPustaka mediaStatus tugasButiran aset

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

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan JSON lengkap, bukan teks sahaja; kekalkan setiap segmen/penutur/cap masa yang tersedia dan identiti tugas/aset sebenar.

Jika respons asal perlu disemak

Simpan operation_id/X-Client-Request-ID asal untuk penyelarasan rekod tanpa penghantaran semula; tiada laluan khusus untuk meninjau status audio.

Medan respons

Medan	Jenis
Medan`text`	Jenisstring
Medan`segments[]`	Jenisobject
Medan`task_id`	Jenisstring
Medan`asset_url`	Jenisstring
Medan`usage`	Jenisobject
Medan`segments[].speaker`	Jenisstring
Medan`segments[].start`	Jenisnumber
Medan`segments[].end`	Jenisnumber

Ralat dan langkah seterusnya

Respons	Syarat	Langkah seterusnya
Respons400 · `invalid_request_error`	SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah	Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.
Respons`server_error`	SyaratRespons yang dikembalikan menyatakan bahawa operasi atau hasil memerlukan semakan	Langkah seterusnyaSimpan ID operasi/tugas asal yang dikembalikan, pengepala permintaan dan respons; teruskan pembacaan yang disokong bagi operasi asal tersebut. Jangan hantar semula permintaan penciptaan.

Alias

Alias model

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

Alias laluan kaedah

/audio/transcriptions

ID pemanggil berkaitan

openai/gpt-4o-transcribe-diarize

FAQ · gpt-4o-transcribe-diarize

Apakah input dan hasil yang tersedia?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: audio → transcription
Apakah medan yang digunakan oleh permintaan?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: model, file, response_format

gpt-4o-transcribe-diarize