GPT-4o Transcribe Diarize is OpenAI’s model voor automatische spraakherkenning met ingebouwde sprekerdiarisatie. Het koppelt getranscribeerde audiosegmenten aan verschillende sprekers binnen een gesprek. Het bruikbare resultaat is een transcript dat op spreker en tijd is geordend, in plaats van alleen een doorlopend tekstblok. Het is bedoeld voor opgenomen spraak die sprekerlabels vereist, zoals een vergadering, interview of gesprek met meerdere personen.
Lever de te transcriberen opname aan. De gedocumenteerde bestandswerkwijze accepteert MP3, MP4, MPEG, MPGA, M4A, WAV en WebM, met een bestandsgroottelimiet van 25 MB. Houd de bronopname beschikbaar, zodat een spreekbeurt, naam of onduidelijke passage aan de werkelijke audio kan worden getoetst.
Bewaar voor een vergadering de gespreksvolgorde, in plaats van korte pauzes weg te knippen die helpen spreekbeurten te onderscheiden. Houd voor een interview de vraag en het antwoord bij elkaar wanneer de taak hun verband vereist. Audiovoorbereiding moet de spraak hoorbaar maken zonder informatie te verwijderen die belangrijk is voor het resultaat met sprekerlabels.
Dit is een werkwijze voor bestandstranscriptie. Een voltooide opname verwerken en een nog binnenkomende audiostream herkennen zijn verschillende taken; de sprekerlabels van het model worden niet ondersteund in Realtime-transcriptiesessies.
Het resultaatformaat diarized_json geeft segmenten met sprekeridentiteitslabels en begin- en eindtijden terug. Elk segment bevat ook de getranscribeerde tekst. Bewaar die velden samen, zodat de woorden met het relevante deel van de opname kunnen worden verbonden.
Bewaar voor een bruikbaar vergaderingstranscript de segmentvolgorde en toon de woorden van elke spreker met hun tijdgegevens. Een latere taak kan dat transcript gebruiken om notulen of actiepunten voor te bereiden, maar diarisatie bepaalt op zichzelf niet wat tijdens de vergadering is afgesproken en genereert geen geverifieerde samenvatting.
Sprekerlabels beschrijven hoe het model de spraak groepeert. Inspecteer overgangen waarbij personen elkaar onderbreken, kort spreken of door elkaar heen praten. Een goed gestructureerd resultaat helpt bij navigatie en beoordeling, terwijl een bepaalde toeschrijving nog steeds kan vereisen dat u naar de oorspronkelijke audio luistert.
De gedocumenteerde werkwijze kan maximaal vier benoemde sprekerreferenties accepteren. Elke referentie is een korte audioclip van 2–10 seconden in een formaat dat door de hoofdupload wordt ondersteund. Namen en referenties worden samen aangeleverd, zodat segmenten met bekende sprekers kunnen worden verbonden.
Bereid een referentie voor die de beoogde spreker duidelijk bevat en houd de naam consistent met de beoogde transcriptlabels. Voor een interview kan een referentie voor de presentator helpen het resultaat met sprekerlabels te ordenen zonder elke deelnemer tot een anoniem label te maken. De referentie is invoer voor toeschrijving; het is geen algemene bewerking om een stem te klonen en geen bewijs van iemands identiteit.
Verwar het benoemen van een spreker niet met het bewerken van de gesproken woorden. De bruikbare uitvoer moet nog steeds de inhoud van de opname en de werkelijke volgorde van de spreekbeurten bewaren.
Voor audio langer dan 30 seconden vereist de maker een segmentatiestrategie: automatische segmentatie of een configuratie voor detectie van stemactiviteit. Die vereiste is geen maximale opnameduur. Zij beschrijft hoe langere invoer voor verwerking wordt verdeeld.
De modelkaart vermeldt een contextvenster van 16.000 tokens en maximaal 2.000 uitvoertokens. Dit zijn modellimieten in tokens, onderscheiden van de uploadlimiet van 25 MB van de bestandswerkwijze en de segmentatiedrempel. Ze mogen niet worden omgezet in een verzonnen aantal minuten dat voor elke opname geldt.
Bewaar tijdgegevens en segmentidentiteit wanneer u een langer transcript samenstelt of inspecteert. Bewaar wanneer een opname vóór indiening is gesplitst het verband van elk deel met de oorspronkelijke audio, zodat een lokale tijdsaanduiding niet met de positie in het volledige gesprek wordt verward.
De werkwijze voor bestandstranscriptie kan tekst streamen terwijl de opname wordt verwerkt. Bij streaming met sprekerlabels produceren voltooide segmenten segmentgebeurtenissen. Tekstdelta’s bevatten een segmentidentificator, maar geen gedeeltelijke sprekerstoewijzingen; een spreker wordt toegewezen wanneer het segment is afgerond.
Dit onderscheid is belangrijk voor de weergave. Toon voorlopige tekst en een afgeronde spreekbeurt als verschillende toestanden, in plaats van een onzeker sprekerlabel toe te voegen voordat het model het segment heeft voltooid. Bewaar het voltooide resultaat wanneer het transcript later voor bewerking of analyse nodig is.
Dit profiel is het diarisatiemodel, los van gewone GPT-4o-transcriptie, Mini-transcriptie, spraaksynthese en modellen voor livegesprekken. Het ondersteunt geen transcriptieprompts; houd terminologiecontrole of correctie als een afzonderlijke stap die aan de oorspronkelijke audio wordt getoetst. De interface van de maker transcribeert opgenomen audio naar tekst. Het genereert geen audioantwoord en vertaalt een opname niet via de afzonderlijke werkwijze voor audiovertaling.
Gebruik het voor transcripten die zowel inhoud als sprekerstructuur vereisen. Controleer namen, technische termen, getallen, spreekbeurtgrenzen en toeschrijvingen aan de hand van de opname. Bewaar de audio, het gekozen resultaatformaat, de referenties en het voltooide transcript, zodat een correctie op één concrete passage of sprekerstoewijzing kan worden gericht.
", "aboutText": "GPT-4o Transcribe Diarize is OpenAI’s model voor automatische spraakherkenning met ingebouwde sprekerdiarisatie. Het koppelt getranscribeerde audiosegmenten aan verschillende sprekers binnen een gesprek. Het bruikbare resultaat is een transcript dat op spreker en tijd is geordend, in plaats van alleen een doorlopend tekstblok. Het is bedoeld voor opgenomen spraak die sprekerlabels vereist, zoals een vergadering, interview of gesprek met meerdere personen.\n\n### De voltooide opname voorbereiden\n\nLever de te transcriberen opname aan. De gedocumenteerde bestandswerkwijze accepteert MP3, MP4, MPEG, MPGA, M4A, WAV en WebM, met een bestandsgroottelimiet van 25 MB. Houd de bronopname beschikbaar, zodat een spreekbeurt, naam of onduidelijke passage aan de werkelijke audio kan worden getoetst.\n\nBewaar voor een vergadering de gespreksvolgorde, in plaats van korte pauzes weg te knippen die helpen spreekbeurten te onderscheiden. Houd voor een interview de vraag en het antwoord bij elkaar wanneer de taak hun verband vereist. Audiovoorbereiding moet de spraak hoorbaar maken zonder informatie te verwijderen die belangrijk is voor het resultaat met sprekerlabels.\n\nDit is een werkwijze voor bestandstranscriptie. Een voltooide opname verwerken en een nog binnenkomende audiostream herkennen zijn verschillende taken; de sprekerlabels van het model worden niet ondersteund in Realtime-transcriptiesessies.\n\n### Een transcript met sprekerlabels aanvragen\n\nHet resultaatformaat `diarized_json` geeft segmenten met sprekeridentiteitslabels en begin- en eindtijden terug. Elk segment bevat ook de getranscribeerde tekst. Bewaar die velden samen, zodat de woorden met het relevante deel van de opname kunnen worden verbonden.\n\nBewaar voor een bruikbaar vergaderingstranscript de segmentvolgorde en toon de woorden van elke spreker met hun tijdgegevens. Een latere taak kan dat transcript gebruiken om notulen of actiepunten voor te bereiden, maar diarisatie bepaalt op zichzelf niet wat tijdens de vergadering is afgesproken en genereert geen geverifieerde samenvatting.\n\nSprekerlabels beschrijven hoe het model de spraak groepeert. Inspecteer overgangen waarbij personen elkaar onderbreken, kort spreken of door elkaar heen praten. Een goed gestructureerd resultaat helpt bij navigatie en beoordeling, terwijl een bepaalde toeschrijving nog steeds kan vereisen dat u naar de oorspronkelijke audio luistert.\n\n### Referenties voor bekende sprekers\n\nDe gedocumenteerde werkwijze kan maximaal vier benoemde sprekerreferenties accepteren. Elke referentie is een korte audioclip van 2–10 seconden in een formaat dat door de hoofdupload wordt ondersteund. Namen en referenties worden samen aangeleverd, zodat segmenten met bekende sprekers kunnen worden verbonden.\n\nBereid een referentie voor die de beoogde spreker duidelijk bevat en houd de naam consistent met de beoogde transcriptlabels. Voor een interview kan een referentie voor de presentator helpen het resultaat met sprekerlabels te ordenen zonder elke deelnemer tot een anoniem label te maken. De referentie is invoer voor toeschrijving; het is geen algemene bewerking om een stem te klonen en geen bewijs van iemands identiteit.\n\nVerwar het benoemen van een spreker niet met het bewerken van de gesproken woorden. De bruikbare uitvoer moet nog steeds de inhoud van de opname en de werkelijke volgorde van de spreekbeurten bewaren.\n\n### Segmentatie en modellimieten\n\nVoor audio langer dan 30 seconden vereist de maker een segmentatiestrategie: automatische segmentatie of een configuratie voor detectie van stemactiviteit. Die vereiste is geen maximale opnameduur. Zij beschrijft hoe langere invoer voor verwerking wordt verdeeld.\n\nDe modelkaart vermeldt een contextvenster van 16.000 tokens en maximaal 2.000 uitvoertokens. Dit zijn modellimieten in tokens, onderscheiden van de uploadlimiet van 25 MB van de bestandswerkwijze en de segmentatiedrempel. Ze mogen niet worden omgezet in een verzonnen aantal minuten dat voor elke opname geldt.\n\nBewaar tijdgegevens en segmentidentiteit wanneer u een langer transcript samenstelt of inspecteert. Bewaar wanneer een opname vóór indiening is gesplitst het verband van elk deel met de oorspronkelijke audio, zodat een lokale tijdsaanduiding niet met de positie in het volledige gesprek wordt verward.\n\n### Afgeronde segmenten streamen\n\nDe werkwijze voor bestandstranscriptie kan tekst streamen terwijl de opname wordt verwerkt. Bij streaming met sprekerlabels produceren voltooide segmenten segmentgebeurtenissen. Tekstdelta’s bevatten een segmentidentificator, maar geen gedeeltelijke sprekerstoewijzingen; een spreker wordt toegewezen wanneer het segment is afgerond.\n\nDit onderscheid is belangrijk voor de weergave. Toon voorlopige tekst en een afgeronde spreekbeurt als verschillende toestanden, in plaats van een onzeker sprekerlabel toe te voegen voordat het model het segment heeft voltooid. Bewaar het voltooide resultaat wanneer het transcript later voor bewerking of analyse nodig is.\n\n### Model- en uitvoergrenzen\n\nDit profiel is het diarisatiemodel, los van gewone GPT-4o-transcriptie, Mini-transcriptie, spraaksynthese en modellen voor livegesprekken. Het ondersteunt geen transcriptieprompts; houd terminologiecontrole of correctie als een afzonderlijke stap die aan de oorspronkelijke audio wordt getoetst. De interface van de maker transcribeert opgenomen audio naar tekst. Het genereert geen audioantwoord en vertaalt een opname niet via de afzonderlijke werkwijze voor audiovertaling.\n\nGebruik het voor transcripten die zowel inhoud als sprekerstructuur vereisen. Controleer namen, technische termen, getallen, spreekbeurtgrenzen en toeschrijvingen aan de hand van de opname. Bewaar de audio, het gekozen resultaatformaat, de referenties en het voltooide transcript, zodat een correctie op één concrete passage of sprekerstoewijzing kan worden gericht.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "24591444f4ba40fedbe2f251bf917fa4b1bfca2a94c4a36f4378f2e8af4b2984", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "openai/gpt-4o-transcribe-diarizeGPT-4o Transcribe Diarize zet opgenomen spraak om in tekst met segmenten die van sprekerlabels en tijdgegevens zijn voorzien. Het is geschikt voor vergaderingen, interviews en opnamen met meerdere personen waarbij het transcript moet tonen wie wanneer sprak, met optionele korte stemreferenties voor bekende sprekers.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-4o Transcribe Diarize is OpenAI’s model voor automatische spraakherkenning met ingebouwde sprekerdiarisatie. Het koppelt getranscribeerde audiosegmenten aan verschillende sprekers binnen een gesprek. Het bruikbare resultaat is een transcript dat op spreker en tijd is geordend, in plaats van alleen een doorlopend tekstblok. Het is bedoeld voor opgenomen spraak die sprekerlabels vereist, zoals een vergadering, interview of gesprek met meerdere personen.
Lever de te transcriberen opname aan. De gedocumenteerde bestandswerkwijze accepteert MP3, MP4, MPEG, MPGA, M4A, WAV en WebM, met een bestandsgroottelimiet van 25 MB. Houd de bronopname beschikbaar, zodat een spreekbeurt, naam of onduidelijke passage aan de werkelijke audio kan worden getoetst.
Bewaar voor een vergadering de gespreksvolgorde, in plaats van korte pauzes weg te knippen die helpen spreekbeurten te onderscheiden. Houd voor een interview de vraag en het antwoord bij elkaar wanneer de taak hun verband vereist. Audiovoorbereiding moet de spraak hoorbaar maken zonder informatie te verwijderen die belangrijk is voor het resultaat met sprekerlabels.
Dit is een werkwijze voor bestandstranscriptie. Een voltooide opname verwerken en een nog binnenkomende audiostream herkennen zijn verschillende taken; de sprekerlabels van het model worden niet ondersteund in Realtime-transcriptiesessies.
Het resultaatformaat diarized_json geeft segmenten met sprekeridentiteitslabels en begin- en eindtijden terug. Elk segment bevat ook de getranscribeerde tekst. Bewaar die velden samen, zodat de woorden met het relevante deel van de opname kunnen worden verbonden.
Bewaar voor een bruikbaar vergaderingstranscript de segmentvolgorde en toon de woorden van elke spreker met hun tijdgegevens. Een latere taak kan dat transcript gebruiken om notulen of actiepunten voor te bereiden, maar diarisatie bepaalt op zichzelf niet wat tijdens de vergadering is afgesproken en genereert geen geverifieerde samenvatting.
Sprekerlabels beschrijven hoe het model de spraak groepeert. Inspecteer overgangen waarbij personen elkaar onderbreken, kort spreken of door elkaar heen praten. Een goed gestructureerd resultaat helpt bij navigatie en beoordeling, terwijl een bepaalde toeschrijving nog steeds kan vereisen dat u naar de oorspronkelijke audio luistert.
De gedocumenteerde werkwijze kan maximaal vier benoemde sprekerreferenties accepteren. Elke referentie is een korte audioclip van 2–10 seconden in een formaat dat door de hoofdupload wordt ondersteund. Namen en referenties worden samen aangeleverd, zodat segmenten met bekende sprekers kunnen worden verbonden.
Bereid een referentie voor die de beoogde spreker duidelijk bevat en houd de naam consistent met de beoogde transcriptlabels. Voor een interview kan een referentie voor de presentator helpen het resultaat met sprekerlabels te ordenen zonder elke deelnemer tot een anoniem label te maken. De referentie is invoer voor toeschrijving; het is geen algemene bewerking om een stem te klonen en geen bewijs van iemands identiteit.
Verwar het benoemen van een spreker niet met het bewerken van de gesproken woorden. De bruikbare uitvoer moet nog steeds de inhoud van de opname en de werkelijke volgorde van de spreekbeurten bewaren.
Voor audio langer dan 30 seconden vereist de maker een segmentatiestrategie: automatische segmentatie of een configuratie voor detectie van stemactiviteit. Die vereiste is geen maximale opnameduur. Zij beschrijft hoe langere invoer voor verwerking wordt verdeeld.
De modelkaart vermeldt een contextvenster van 16.000 tokens en maximaal 2.000 uitvoertokens. Dit zijn modellimieten in tokens, onderscheiden van de uploadlimiet van 25 MB van de bestandswerkwijze en de segmentatiedrempel. Ze mogen niet worden omgezet in een verzonnen aantal minuten dat voor elke opname geldt.
Bewaar tijdgegevens en segmentidentiteit wanneer u een langer transcript samenstelt of inspecteert. Bewaar wanneer een opname vóór indiening is gesplitst het verband van elk deel met de oorspronkelijke audio, zodat een lokale tijdsaanduiding niet met de positie in het volledige gesprek wordt verward.
De werkwijze voor bestandstranscriptie kan tekst streamen terwijl de opname wordt verwerkt. Bij streaming met sprekerlabels produceren voltooide segmenten segmentgebeurtenissen. Tekstdelta’s bevatten een segmentidentificator, maar geen gedeeltelijke sprekerstoewijzingen; een spreker wordt toegewezen wanneer het segment is afgerond.
Dit onderscheid is belangrijk voor de weergave. Toon voorlopige tekst en een afgeronde spreekbeurt als verschillende toestanden, in plaats van een onzeker sprekerlabel toe te voegen voordat het model het segment heeft voltooid. Bewaar het voltooide resultaat wanneer het transcript later voor bewerking of analyse nodig is.
Dit profiel is het diarisatiemodel, los van gewone GPT-4o-transcriptie, Mini-transcriptie, spraaksynthese en modellen voor livegesprekken. Het ondersteunt geen transcriptieprompts; houd terminologiecontrole of correctie als een afzonderlijke stap die aan de oorspronkelijke audio wordt getoetst. De interface van de maker transcribeert opgenomen audio naar tekst. Het genereert geen audioantwoord en vertaalt een opname niet via de afzonderlijke werkwijze voor audiovertaling.
Gebruik het voor transcripten die zowel inhoud als sprekerstructuur vereisen. Controleer namen, technische termen, getallen, spreekbeurtgrenzen en toeschrijvingen aan de hand van de opname. Bewaar de audio, het gekozen resultaatformaat, de referenties en het voltooide transcript, zodat een correctie op één concrete passage of sprekerstoewijzing kan worden gericht.
POST /v1/audio/transcriptionsaudiotranscription| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-4o-transcribe-diarize | Standaard— |
Veldfile | Typefile | VereisteVereist | Waarden en limieten Maximumaantal bytes: 26.214.400 MIME-typen: audio/mpeg Bestandsextensie: .mp3 Maximale duur, seconden: 30 | Standaard— |
Veldresponse_format | Typestring | VereisteVereist | Waarden en limieten diarized_json | Standaard— |
diarized_transcription
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractmultipart/form-data |
Parameterrequired | Contractmodel, file, response_format |
Parameterfile_formats | Contractmp3 |
Parametermax_audio_seconds | Contract30 |
Parametermax_bytes | Contract26214400 |
Parameterresponse_format | Contractdiarized_json |
Parameterother_options | Contractfalse |
Parametermaterial_types | Contractaudio |
Parameteradditional_properties | Contractfalse |
Parameterform_string_maximum_bytes | Contract256 |
Methodealiasnamen: /audio/transcriptions
Levenscyclus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · daadwerkelijk teruggegeven task_id of record in de mediabibliotheek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Gebruik een werkelijke opname en het bijbehorende formaat.
Bewaar de volledige transcriptie, segmenten, spreker-ID's en tijdsgegevens.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Rekeneenheid | Kosten |
|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Rekeneenheid— | Kosten Invoer · Invoertokens — / 1K tokens Uitvoer · Uitvoertokens — / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieUltra | Tariefstaffel— | Rekeneenheid/ 1K audiotokens | Kosten Invoer · audio-invoertoken $0.012 / 1K audiotokens |
| ConfiguratieUltra | Tariefstaffel— | Rekeneenheid/ 1K audiotokens | Kosten Uitvoer · audio-uitvoertoken $0.02 / 1K audiotokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige JSON, niet alleen de tekst; behoud elk beschikbaar segment, elke spreker en tijdstempel en de werkelijke taak- en assetidentiteit.
Bewaar de oorspronkelijke operation_id/X-Client-Request-ID voor reconciliatie zonder de aanvraag opnieuw in te dienen; er is geen afzonderlijke route om de audiostatus te pollen.
| Veld | Type |
|---|---|
Veldtext | Typestring |
Veldsegments[] | Typeobject |
Veldtask_id | Typestring |
Veldasset_url | Typestring |
Veldusage | Typeobject |
Veldsegments[].speaker | Typestring |
Veldsegments[].start | Typenumber |
Veldsegments[].end | Typenumber |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Antwoordserver_error | VoorwaardeDe teruggegeven respons geeft aan dat de bewerking of het resultaat gecontroleerd moet worden | Volgende stapBewaar de oorspronkelijk teruggegeven bewerkings-/taak-ID, aanvraagheaders en respons; blijf de oorspronkelijke bewerking uitlezen via de ondersteunde leesaanvragen. Dien de aanmaakaanvraag niet opnieuw in. |
Ailoot Ultra openai/gpt-4o-transcribe-diarize
/audio/transcriptions