GPT-4o Transcribe Diarize er OpenAIs modell for automatisk talegjenkjenning med innebygd talerinndeling. Den knytter transkriberte lydsegmenter til ulike talere i en samtale. Det nyttige resultatet er en transkripsjon organisert etter taler og tid, fremfor bare en sammenhengende ordblokk. Modellen er laget for taleopptak som trenger taleretiketter, for eksempel et møte, et intervju eller en diskusjon med flere personer.
Oppgi opptaket som skal transkriberes. Den dokumenterte filarbeidsflyten godtar MP3, MP4, MPEG, MPGA, M4A, WAV og WebM, med en filstørrelsesgrense på 25 MB. Behold kildeopptaket tilgjengelig, slik at en taletur, et navn eller en uklar frase kan kontrolleres mot den faktiske lyden.
For et møte beholder du samtalens rekkefølge fremfor å fjerne de korte pausene som bidrar til å skille taleturene. For et intervju holder du spørsmålet og svaret samlet når oppgaven trenger sammenhengen mellom dem. Lydforberedelsen skal gjøre talen hørbar uten å fjerne informasjon som er viktig for resultatet med taleretiketter.
Dette er en arbeidsflyt for filtranskripsjon. Å behandle et fullført opptak og å gjenkjenne en lydstrøm som fortsatt kommer inn, er ulike oppgaver; modellens talermerking støttes ikke i Realtime-transkripsjonsøkter.
Resultatformatet diarized_json returnerer segmenter med etiketter for talerne og start- og sluttidspunkt. Hvert segment inneholder også den transkriberte teksten. Hold feltene samlet, slik at ordene kan knyttes til den relevante delen av opptaket.
For en nyttig møtetranskripsjon beholder du segmentrekkefølgen og viser hver talers ord med tidspunktene. En senere oppgave kan bruke transkripsjonen til å forberede et referat eller handlingspunkter, men talerinndeling avgjør ikke i seg selv hva møtedeltakerne ble enige om, og genererer ikke et verifisert sammendrag.
Taleretikettene beskriver modellens gruppering av talen. Undersøk overganger der folk avbryter hverandre, snakker kort eller overlapper. Et godt strukturert resultat er nyttig for navigering og gjennomgang, mens en bestemt tilordning fortsatt kan kreve at man lytter til originalopptaket.
Den dokumenterte arbeidsflyten kan godta opptil fire navngitte talerreferanser. Hver referanse er et kort lydklipp på 2–10 sekunder i et format som støttes av hovedopplastingen. Navnene og referansene oppgis sammen, slik at segmentene kan knyttes til kjente talere.
Forbered en referanse som tydelig inneholder den tiltenkte taleren, og hold navnet i samsvar med etikettene som er tenkt for transkripsjonen. For et intervju kan en referanse for verten bidra til å organisere resultatet med taleretiketter uten å gjøre alle deltakerne til anonyme etiketter. Referansen er inndata til tilordningen; den er ikke en generell operasjon for stemmekloning eller bevis for en persons identitet.
Ikke bland det å navngi en taler med å redigere ordene som ble sagt. De nyttige utdataene må fortsatt bevare opptakets innhold og den faktiske rekkefølgen på taleturene.
For lyd lengre enn 30 sekunder krever produsenten en oppdelingsstrategi, enten automatisk oppdeling eller en konfigurasjon for registrering av taleaktivitet. Dette kravet er ikke en maksimal opptakslengde. Det beskriver hvordan lengre inndata deles for behandling.
Modellkortet oppgir et kontekstvindu på 16000 tokener og maksimalt 2000 utdatatokener. Dette er modellens tokengrenser, atskilt fra filarbeidsflytens opplastingsgrense på 25 MB og terskelen for oppdeling. De skal ikke omregnes til et oppdiktet antall minutter som gjelder alle opptak.
Behold tidspunkter og segmentidentitet når du setter sammen eller undersøker en lengre transkripsjon. Hvis et opptak er delt før innsending, beholder du forholdet mellom hver del og originalopptaket, slik at et lokalt tidsstempel ikke forveksles med posisjonen i hele samtalen.
Arbeidsflyten for filtranskripsjon kan strømme tekst mens opptaket behandles. Ved strømming med taleretiketter produserer fullførte segmenter segmenthendelser. Tekstdeltaer inneholder en segmentidentifikator, men ikke delvise talertilordninger; en taler tilordnes når segmentet ferdigstilles.
Dette skillet er viktig for visningen. Vis foreløpig tekst og en ferdigstilt taletur som ulike tilstander, fremfor å feste en usikker taleretikett før modellen har fullført segmentet. Behold det fullførte resultatet når transkripsjonen trengs for senere redigering eller analyse.
Denne profilen er modellen for talerinndeling, atskilt fra vanlig GPT-4o-transkripsjon, Mini-transkripsjon, talesyntese og modeller for direktesamtaler. Den støtter ikke transkripsjonsinstruksjoner; behold eventuell terminologigjennomgang eller retting som et separat trinn kontrollert mot originalopptaket. Produsentens grensesnitt er transkripsjon av innspilt lyd til tekst. Modellen genererer ikke et lydsvar og oversetter ikke et opptak gjennom den separate arbeidsflyten for lydoversettelse.
Bruk modellen til transkripsjoner som trenger både innhold og talerstruktur. Kontroller navn, fagtermer, tall, grensene mellom taleturene og tilordningene mot opptaket. Behold lyden, det valgte resultatformatet, referansene og den fullførte transkripsjonen, slik at en rettelse kan gjelde én konkret frase eller talertilordning.
", "aboutText": "GPT-4o Transcribe Diarize er OpenAIs modell for automatisk talegjenkjenning med innebygd talerinndeling. Den knytter transkriberte lydsegmenter til ulike talere i en samtale. Det nyttige resultatet er en transkripsjon organisert etter taler og tid, fremfor bare en sammenhengende ordblokk. Modellen er laget for taleopptak som trenger taleretiketter, for eksempel et møte, et intervju eller en diskusjon med flere personer.\n\n### Forbered det fullførte opptaket\n\nOppgi opptaket som skal transkriberes. Den dokumenterte filarbeidsflyten godtar MP3, MP4, MPEG, MPGA, M4A, WAV og WebM, med en filstørrelsesgrense på 25 MB. Behold kildeopptaket tilgjengelig, slik at en taletur, et navn eller en uklar frase kan kontrolleres mot den faktiske lyden.\n\nFor et møte beholder du samtalens rekkefølge fremfor å fjerne de korte pausene som bidrar til å skille taleturene. For et intervju holder du spørsmålet og svaret samlet når oppgaven trenger sammenhengen mellom dem. Lydforberedelsen skal gjøre talen hørbar uten å fjerne informasjon som er viktig for resultatet med taleretiketter.\n\nDette er en arbeidsflyt for filtranskripsjon. Å behandle et fullført opptak og å gjenkjenne en lydstrøm som fortsatt kommer inn, er ulike oppgaver; modellens talermerking støttes ikke i Realtime-transkripsjonsøkter.\n\n### Be om en transkripsjon med taleretiketter\n\nResultatformatet `diarized_json` returnerer segmenter med etiketter for talerne og start- og sluttidspunkt. Hvert segment inneholder også den transkriberte teksten. Hold feltene samlet, slik at ordene kan knyttes til den relevante delen av opptaket.\n\nFor en nyttig møtetranskripsjon beholder du segmentrekkefølgen og viser hver talers ord med tidspunktene. En senere oppgave kan bruke transkripsjonen til å forberede et referat eller handlingspunkter, men talerinndeling avgjør ikke i seg selv hva møtedeltakerne ble enige om, og genererer ikke et verifisert sammendrag.\n\nTaleretikettene beskriver modellens gruppering av talen. Undersøk overganger der folk avbryter hverandre, snakker kort eller overlapper. Et godt strukturert resultat er nyttig for navigering og gjennomgang, mens en bestemt tilordning fortsatt kan kreve at man lytter til originalopptaket.\n\n### Referanser for kjente talere\n\nDen dokumenterte arbeidsflyten kan godta opptil fire navngitte talerreferanser. Hver referanse er et kort lydklipp på 2–10 sekunder i et format som støttes av hovedopplastingen. Navnene og referansene oppgis sammen, slik at segmentene kan knyttes til kjente talere.\n\nForbered en referanse som tydelig inneholder den tiltenkte taleren, og hold navnet i samsvar med etikettene som er tenkt for transkripsjonen. For et intervju kan en referanse for verten bidra til å organisere resultatet med taleretiketter uten å gjøre alle deltakerne til anonyme etiketter. Referansen er inndata til tilordningen; den er ikke en generell operasjon for stemmekloning eller bevis for en persons identitet.\n\nIkke bland det å navngi en taler med å redigere ordene som ble sagt. De nyttige utdataene må fortsatt bevare opptakets innhold og den faktiske rekkefølgen på taleturene.\n\n### Oppdeling og modellgrenser\n\nFor lyd lengre enn 30 sekunder krever produsenten en oppdelingsstrategi, enten automatisk oppdeling eller en konfigurasjon for registrering av taleaktivitet. Dette kravet er ikke en maksimal opptakslengde. Det beskriver hvordan lengre inndata deles for behandling.\n\nModellkortet oppgir et kontekstvindu på 16000 tokener og maksimalt 2000 utdatatokener. Dette er modellens tokengrenser, atskilt fra filarbeidsflytens opplastingsgrense på 25 MB og terskelen for oppdeling. De skal ikke omregnes til et oppdiktet antall minutter som gjelder alle opptak.\n\nBehold tidspunkter og segmentidentitet når du setter sammen eller undersøker en lengre transkripsjon. Hvis et opptak er delt før innsending, beholder du forholdet mellom hver del og originalopptaket, slik at et lokalt tidsstempel ikke forveksles med posisjonen i hele samtalen.\n\n### Strømming av ferdigstilte segmenter\n\nArbeidsflyten for filtranskripsjon kan strømme tekst mens opptaket behandles. Ved strømming med taleretiketter produserer fullførte segmenter segmenthendelser. Tekstdeltaer inneholder en segmentidentifikator, men ikke delvise talertilordninger; en taler tilordnes når segmentet ferdigstilles.\n\nDette skillet er viktig for visningen. Vis foreløpig tekst og en ferdigstilt taletur som ulike tilstander, fremfor å feste en usikker taleretikett før modellen har fullført segmentet. Behold det fullførte resultatet når transkripsjonen trengs for senere redigering eller analyse.\n\n### Modell- og utdatagrensene\n\nDenne profilen er modellen for talerinndeling, atskilt fra vanlig GPT-4o-transkripsjon, Mini-transkripsjon, talesyntese og modeller for direktesamtaler. Den støtter ikke transkripsjonsinstruksjoner; behold eventuell terminologigjennomgang eller retting som et separat trinn kontrollert mot originalopptaket. Produsentens grensesnitt er transkripsjon av innspilt lyd til tekst. Modellen genererer ikke et lydsvar og oversetter ikke et opptak gjennom den separate arbeidsflyten for lydoversettelse.\n\nBruk modellen til transkripsjoner som trenger både innhold og talerstruktur. Kontroller navn, fagtermer, tall, grensene mellom taleturene og tilordningene mot opptaket. Behold lyden, det valgte resultatformatet, referansene og den fullførte transkripsjonen, slik at en rettelse kan gjelde én konkret frase eller talertilordning.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a4a9ee3957b4246337046752bdbc0f4fb8e2038e5dcf61943be93c89f9e5b112", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "openai/gpt-4o-transcribe-diarizeGPT-4o Transcribe Diarize gjør opptak av tale om til tekst med segmenter merket med taler og tidspunkt. Den passer til møter, intervjuer og opptak med flere personer der transkripsjonen må vise hvem som snakket når, med valgfrie korte stemmereferanser for kjente talere.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-4o Transcribe Diarize er OpenAIs modell for automatisk talegjenkjenning med innebygd talerinndeling. Den knytter transkriberte lydsegmenter til ulike talere i en samtale. Det nyttige resultatet er en transkripsjon organisert etter taler og tid, fremfor bare en sammenhengende ordblokk. Modellen er laget for taleopptak som trenger taleretiketter, for eksempel et møte, et intervju eller en diskusjon med flere personer.
Oppgi opptaket som skal transkriberes. Den dokumenterte filarbeidsflyten godtar MP3, MP4, MPEG, MPGA, M4A, WAV og WebM, med en filstørrelsesgrense på 25 MB. Behold kildeopptaket tilgjengelig, slik at en taletur, et navn eller en uklar frase kan kontrolleres mot den faktiske lyden.
For et møte beholder du samtalens rekkefølge fremfor å fjerne de korte pausene som bidrar til å skille taleturene. For et intervju holder du spørsmålet og svaret samlet når oppgaven trenger sammenhengen mellom dem. Lydforberedelsen skal gjøre talen hørbar uten å fjerne informasjon som er viktig for resultatet med taleretiketter.
Dette er en arbeidsflyt for filtranskripsjon. Å behandle et fullført opptak og å gjenkjenne en lydstrøm som fortsatt kommer inn, er ulike oppgaver; modellens talermerking støttes ikke i Realtime-transkripsjonsøkter.
Resultatformatet diarized_json returnerer segmenter med etiketter for talerne og start- og sluttidspunkt. Hvert segment inneholder også den transkriberte teksten. Hold feltene samlet, slik at ordene kan knyttes til den relevante delen av opptaket.
For en nyttig møtetranskripsjon beholder du segmentrekkefølgen og viser hver talers ord med tidspunktene. En senere oppgave kan bruke transkripsjonen til å forberede et referat eller handlingspunkter, men talerinndeling avgjør ikke i seg selv hva møtedeltakerne ble enige om, og genererer ikke et verifisert sammendrag.
Taleretikettene beskriver modellens gruppering av talen. Undersøk overganger der folk avbryter hverandre, snakker kort eller overlapper. Et godt strukturert resultat er nyttig for navigering og gjennomgang, mens en bestemt tilordning fortsatt kan kreve at man lytter til originalopptaket.
Den dokumenterte arbeidsflyten kan godta opptil fire navngitte talerreferanser. Hver referanse er et kort lydklipp på 2–10 sekunder i et format som støttes av hovedopplastingen. Navnene og referansene oppgis sammen, slik at segmentene kan knyttes til kjente talere.
Forbered en referanse som tydelig inneholder den tiltenkte taleren, og hold navnet i samsvar med etikettene som er tenkt for transkripsjonen. For et intervju kan en referanse for verten bidra til å organisere resultatet med taleretiketter uten å gjøre alle deltakerne til anonyme etiketter. Referansen er inndata til tilordningen; den er ikke en generell operasjon for stemmekloning eller bevis for en persons identitet.
Ikke bland det å navngi en taler med å redigere ordene som ble sagt. De nyttige utdataene må fortsatt bevare opptakets innhold og den faktiske rekkefølgen på taleturene.
For lyd lengre enn 30 sekunder krever produsenten en oppdelingsstrategi, enten automatisk oppdeling eller en konfigurasjon for registrering av taleaktivitet. Dette kravet er ikke en maksimal opptakslengde. Det beskriver hvordan lengre inndata deles for behandling.
Modellkortet oppgir et kontekstvindu på 16000 tokener og maksimalt 2000 utdatatokener. Dette er modellens tokengrenser, atskilt fra filarbeidsflytens opplastingsgrense på 25 MB og terskelen for oppdeling. De skal ikke omregnes til et oppdiktet antall minutter som gjelder alle opptak.
Behold tidspunkter og segmentidentitet når du setter sammen eller undersøker en lengre transkripsjon. Hvis et opptak er delt før innsending, beholder du forholdet mellom hver del og originalopptaket, slik at et lokalt tidsstempel ikke forveksles med posisjonen i hele samtalen.
Arbeidsflyten for filtranskripsjon kan strømme tekst mens opptaket behandles. Ved strømming med taleretiketter produserer fullførte segmenter segmenthendelser. Tekstdeltaer inneholder en segmentidentifikator, men ikke delvise talertilordninger; en taler tilordnes når segmentet ferdigstilles.
Dette skillet er viktig for visningen. Vis foreløpig tekst og en ferdigstilt taletur som ulike tilstander, fremfor å feste en usikker taleretikett før modellen har fullført segmentet. Behold det fullførte resultatet når transkripsjonen trengs for senere redigering eller analyse.
Denne profilen er modellen for talerinndeling, atskilt fra vanlig GPT-4o-transkripsjon, Mini-transkripsjon, talesyntese og modeller for direktesamtaler. Den støtter ikke transkripsjonsinstruksjoner; behold eventuell terminologigjennomgang eller retting som et separat trinn kontrollert mot originalopptaket. Produsentens grensesnitt er transkripsjon av innspilt lyd til tekst. Modellen genererer ikke et lydsvar og oversetter ikke et opptak gjennom den separate arbeidsflyten for lydoversettelse.
Bruk modellen til transkripsjoner som trenger både innhold og talerstruktur. Kontroller navn, fagtermer, tall, grensene mellom taleturene og tilordningene mot opptaket. Behold lyden, det valgte resultatformatet, referansene og den fullførte transkripsjonen, slik at en rettelse kan gjelde én konkret frase eller talertilordning.
POST /v1/audio/transcriptionsaudiotranscription| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-4o-transcribe-diarize | Standard— |
Feltfile | Typefile | KravPåkrevd | Verdier & grenser Maksimalt antall byte: 26 214 400 MIME-typer: audio/mpeg Filendelse: .mp3 Maksimal varighet, sekunder: 30 | Standard— |
Feltresponse_format | Typestring | KravPåkrevd | Verdier & grenser diarized_json | Standard— |
diarized_transcription
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtalemultipart/form-data |
Parameterrequired | Avtalemodel, file, response_format |
Parameterfile_formats | Avtalemp3 |
Parametermax_audio_seconds | Avtale30 |
Parametermax_bytes | Avtale26214400 |
Parameterresponse_format | Avtalediarized_json |
Parameterother_options | Avtalefalse |
Parametermaterial_types | Avtaleaudio |
Parameteradditional_properties | Avtalefalse |
Parameterform_string_maximum_bytes | Avtale256 |
Metodealiaser: /audio/transcriptions
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Bruk et faktisk opptak og samsvarende format.
Bevar hele transkripsjonen, alle segmenter, taler-ID-er og tidsangivelser.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Faktureringsenhet | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsenhet— | Kostnad Inndata · Inngående tokener — / 1K tokener Utdata · Utgående tokener — / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonUltra | Prisplan— | Faktureringsenhet/ 1K lydtokener | Kostnad Inndata · lydtoken i inndata $0.012 / 1K lydtokener |
| KonfigurasjonUltra | Prisplan— | Faktureringsenhet/ 1K lydtokener | Kostnad Utdata · lydtoken i utdata $0.02 / 1K lydtokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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\nBehold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hele JSON-svaret, ikke bare teksten; bevar alle tilgjengelige segmenter, talere og tidsstempler og faktiske oppgave- og ressursidentiteter.
Bevar opprinnelig operation_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus.
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Feltsegments[].speaker | Typestring |
Feltsegments[].start | Typenumber |
Feltsegments[].end | Typenumber |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Ailoot Ultra openai/gpt-4o-transcribe-diarize
/audio/transcriptions