gpt-4o-transcribe-diarize

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.

De voltooide opname voorbereiden

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.

Een transcript met sprekerlabels aanvragen

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.

Referenties voor bekende sprekers

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.

Segmentatie en modellimieten

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.

Afgeronde segmenten streamen

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.

Model- en uitvoergrenzen

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.