GPT-4o Transcribe Diarize é o modelo de reconhecimento automático de fala da OpenAI com diarização de locutores integrada. Associa segmentos de áudio transcritos a diferentes locutores numa conversa. O resultado útil é uma transcrição organizada por locutor e tempo, em vez de apenas um bloco contínuo de palavras. Destina-se a fala gravada que precisa de etiquetas de locutor, como uma reunião, entrevista ou discussão com várias pessoas.
Forneça a gravação que deve ser transcrita. O processo documentado de ficheiros aceita MP3, MP4, MPEG, MPGA, M4A, WAV e WebM, com um limite de tamanho de ficheiro de 25 MB. Mantenha a gravação de origem disponível para que um turno de fala, nome ou frase pouco clara possa ser verificado face ao áudio efetivo.
Para uma reunião, conserve a sequência da conversa, em vez de cortar as pausas curtas que ajudam a distinguir turnos. Para uma entrevista, mantenha a pergunta e a resposta juntas quando a tarefa precisar da sua relação. A preparação do áudio deve tornar a fala audível sem remover informação importante para o resultado identificado por locutor.
Este é um processo de transcrição de ficheiros. Processar uma gravação concluída e reconhecer um fluxo de áudio que ainda está a chegar são tarefas diferentes; a identificação de locutores do modelo não é suportada em sessões de transcrição Realtime.
O formato de resultado diarized_json devolve segmentos com etiquetas de identidade do locutor e tempos de início e fim. Cada segmento contém também o respetivo texto transcrito. Mantenha esses campos juntos para que as palavras possam ser relacionadas com a parte relevante da gravação.
Para uma transcrição útil de reunião, conserve a sequência dos segmentos e apresente as palavras de cada locutor com os respetivos tempos. Uma tarefa posterior pode utilizar essa transcrição para preparar uma ata ou ações a realizar, mas a diarização, por si só, não decide o que a reunião acordou nem gera um resumo verificado.
As etiquetas de locutor descrevem o agrupamento da fala feito pelo modelo. Examine transições em que as pessoas se interrompem, falam brevemente ou ao mesmo tempo. Um resultado bem estruturado é útil para navegação e revisão, mas uma atribuição específica pode ainda exigir a audição do áudio original.
O processo documentado pode aceitar até quatro referências de locutores com nome. Cada referência é um excerto curto de áudio de 2–10 segundos num formato suportado pelo carregamento principal. Os nomes e as referências são fornecidos juntos para que os segmentos possam ser associados a locutores conhecidos.
Prepare uma referência que contenha claramente o locutor pretendido e mantenha o seu nome consistente com as etiquetas pretendidas da transcrição. Para uma entrevista, uma referência da pessoa que a conduz pode ajudar a organizar o resultado identificado por locutor sem transformar cada participante numa etiqueta anónima. A referência é uma entrada para atribuição; não é uma operação geral de clonagem de voz nem prova da identidade de uma pessoa.
Não confunda dar nome a um locutor com editar as palavras que foram ditas. A saída útil continua a precisar de preservar o conteúdo da gravação e a ordem efetiva dos turnos.
Para áudio com mais de 30 segundos, o fabricante exige uma estratégia de divisão em partes, automática ou com uma configuração de deteção de atividade vocal. Esse requisito não é uma duração máxima de gravação. Descreve como a entrada mais longa é dividida para processamento.
A ficha do modelo indica uma janela de contexto de 16 000 tokens e um máximo de 2 000 tokens de saída. São limites de tokens do modelo, distintos do limite de carregamento de 25 MB do processo de ficheiros e do limiar de divisão. Não devem ser convertidos num número inventado de minutos aplicável a todas as gravações.
Mantenha os tempos e a identidade dos segmentos ao montar ou examinar uma transcrição mais longa. Se uma gravação tiver sido dividida antes do envio, conserve a relação de cada parte com o áudio original, para que um tempo local não seja confundido com a sua posição na conversa completa.
O processo de transcrição de ficheiros pode transmitir texto em streaming enquanto a gravação é processada. Com streaming identificado por locutor, os segmentos concluídos produzem eventos de segmento. Os incrementos de texto incluem um identificador de segmento, mas não contêm atribuições parciais de locutor; um locutor é atribuído quando o segmento é finalizado.
Esta distinção é importante para apresentação. Mostre texto provisório e um turno de fala finalizado como estados diferentes, em vez de associar uma etiqueta incerta de locutor antes de o modelo concluir o segmento. Conserve o resultado concluído quando a transcrição for necessária para edição ou análise posteriores.
Este perfil é o modelo de diarização, distinto da transcrição GPT-4o normal, da transcrição Mini, da síntese de fala e dos modelos de conversação em direto. Não suporta pedidos de texto para orientar a transcrição; mantenha qualquer revisão ou correção terminológica como uma etapa separada verificada face ao áudio original. A interface do fabricante transcreve áudio gravado para texto. Não gera uma resposta de áudio nem traduz uma gravação através do processo separado de tradução de áudio.
Utilize-o para transcrições que precisam tanto do conteúdo como da estrutura dos locutores. Verifique nomes, termos técnicos, números, limites de turnos e atribuições face à gravação. Conserve o áudio, o formato de resultado escolhido, as referências e a transcrição concluída, para que uma correção possa incidir numa frase concreta ou atribuição de locutor.
", "aboutText": "GPT-4o Transcribe Diarize é o modelo de reconhecimento automático de fala da OpenAI com diarização de locutores integrada. Associa segmentos de áudio transcritos a diferentes locutores numa conversa. O resultado útil é uma transcrição organizada por locutor e tempo, em vez de apenas um bloco contínuo de palavras. Destina-se a fala gravada que precisa de etiquetas de locutor, como uma reunião, entrevista ou discussão com várias pessoas.\n\n### Preparar a gravação concluída\n\nForneça a gravação que deve ser transcrita. O processo documentado de ficheiros aceita MP3, MP4, MPEG, MPGA, M4A, WAV e WebM, com um limite de tamanho de ficheiro de 25 MB. Mantenha a gravação de origem disponível para que um turno de fala, nome ou frase pouco clara possa ser verificado face ao áudio efetivo.\n\nPara uma reunião, conserve a sequência da conversa, em vez de cortar as pausas curtas que ajudam a distinguir turnos. Para uma entrevista, mantenha a pergunta e a resposta juntas quando a tarefa precisar da sua relação. A preparação do áudio deve tornar a fala audível sem remover informação importante para o resultado identificado por locutor.\n\nEste é um processo de transcrição de ficheiros. Processar uma gravação concluída e reconhecer um fluxo de áudio que ainda está a chegar são tarefas diferentes; a identificação de locutores do modelo não é suportada em sessões de transcrição Realtime.\n\n### Pedir uma transcrição identificada por locutor\n\nO formato de resultado `diarized_json` devolve segmentos com etiquetas de identidade do locutor e tempos de início e fim. Cada segmento contém também o respetivo texto transcrito. Mantenha esses campos juntos para que as palavras possam ser relacionadas com a parte relevante da gravação.\n\nPara uma transcrição útil de reunião, conserve a sequência dos segmentos e apresente as palavras de cada locutor com os respetivos tempos. Uma tarefa posterior pode utilizar essa transcrição para preparar uma ata ou ações a realizar, mas a diarização, por si só, não decide o que a reunião acordou nem gera um resumo verificado.\n\nAs etiquetas de locutor descrevem o agrupamento da fala feito pelo modelo. Examine transições em que as pessoas se interrompem, falam brevemente ou ao mesmo tempo. Um resultado bem estruturado é útil para navegação e revisão, mas uma atribuição específica pode ainda exigir a audição do áudio original.\n\n### Referências de locutores conhecidos\n\nO processo documentado pode aceitar até quatro referências de locutores com nome. Cada referência é um excerto curto de áudio de 2–10 segundos num formato suportado pelo carregamento principal. Os nomes e as referências são fornecidos juntos para que os segmentos possam ser associados a locutores conhecidos.\n\nPrepare uma referência que contenha claramente o locutor pretendido e mantenha o seu nome consistente com as etiquetas pretendidas da transcrição. Para uma entrevista, uma referência da pessoa que a conduz pode ajudar a organizar o resultado identificado por locutor sem transformar cada participante numa etiqueta anónima. A referência é uma entrada para atribuição; não é uma operação geral de clonagem de voz nem prova da identidade de uma pessoa.\n\nNão confunda dar nome a um locutor com editar as palavras que foram ditas. A saída útil continua a precisar de preservar o conteúdo da gravação e a ordem efetiva dos turnos.\n\n### Divisão em partes e limites do modelo\n\nPara áudio com mais de 30 segundos, o fabricante exige uma estratégia de divisão em partes, automática ou com uma configuração de deteção de atividade vocal. Esse requisito não é uma duração máxima de gravação. Descreve como a entrada mais longa é dividida para processamento.\n\nA ficha do modelo indica uma janela de contexto de 16 000 tokens e um máximo de 2 000 tokens de saída. São limites de tokens do modelo, distintos do limite de carregamento de 25 MB do processo de ficheiros e do limiar de divisão. Não devem ser convertidos num número inventado de minutos aplicável a todas as gravações.\n\nMantenha os tempos e a identidade dos segmentos ao montar ou examinar uma transcrição mais longa. Se uma gravação tiver sido dividida antes do envio, conserve a relação de cada parte com o áudio original, para que um tempo local não seja confundido com a sua posição na conversa completa.\n\n### Transmitir segmentos finalizados em streaming\n\nO processo de transcrição de ficheiros pode transmitir texto em streaming enquanto a gravação é processada. Com streaming identificado por locutor, os segmentos concluídos produzem eventos de segmento. Os incrementos de texto incluem um identificador de segmento, mas não contêm atribuições parciais de locutor; um locutor é atribuído quando o segmento é finalizado.\n\nEsta distinção é importante para apresentação. Mostre texto provisório e um turno de fala finalizado como estados diferentes, em vez de associar uma etiqueta incerta de locutor antes de o modelo concluir o segmento. Conserve o resultado concluído quando a transcrição for necessária para edição ou análise posteriores.\n\n### Limites do modelo e da saída\n\nEste perfil é o modelo de diarização, distinto da transcrição GPT-4o normal, da transcrição Mini, da síntese de fala e dos modelos de conversação em direto. Não suporta pedidos de texto para orientar a transcrição; mantenha qualquer revisão ou correção terminológica como uma etapa separada verificada face ao áudio original. A interface do fabricante transcreve áudio gravado para texto. Não gera uma resposta de áudio nem traduz uma gravação através do processo separado de tradução de áudio.\n\nUtilize-o para transcrições que precisam tanto do conteúdo como da estrutura dos locutores. Verifique nomes, termos técnicos, números, limites de turnos e atribuições face à gravação. Conserve o áudio, o formato de resultado escolhido, as referências e a transcrição concluída, para que uma correção possa incidir numa frase concreta ou atribuição de locutor.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7b11b775c5a86c856ade71701d86f88451fab3c14e41e97962b6dfc355a7b655", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/gpt-4o-transcribe-diarizeGPT-4o Transcribe Diarize converte fala gravada em texto com segmentos identificados por locutor e referências temporais. Adequa-se a reuniões, entrevistas e gravações com várias pessoas em que a transcrição deve mostrar quem falou e quando, com referências vocais curtas facultativas para locutores conhecidos.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4o Transcribe Diarize é o modelo de reconhecimento automático de fala da OpenAI com diarização de locutores integrada. Associa segmentos de áudio transcritos a diferentes locutores numa conversa. O resultado útil é uma transcrição organizada por locutor e tempo, em vez de apenas um bloco contínuo de palavras. Destina-se a fala gravada que precisa de etiquetas de locutor, como uma reunião, entrevista ou discussão com várias pessoas.
Forneça a gravação que deve ser transcrita. O processo documentado de ficheiros aceita MP3, MP4, MPEG, MPGA, M4A, WAV e WebM, com um limite de tamanho de ficheiro de 25 MB. Mantenha a gravação de origem disponível para que um turno de fala, nome ou frase pouco clara possa ser verificado face ao áudio efetivo.
Para uma reunião, conserve a sequência da conversa, em vez de cortar as pausas curtas que ajudam a distinguir turnos. Para uma entrevista, mantenha a pergunta e a resposta juntas quando a tarefa precisar da sua relação. A preparação do áudio deve tornar a fala audível sem remover informação importante para o resultado identificado por locutor.
Este é um processo de transcrição de ficheiros. Processar uma gravação concluída e reconhecer um fluxo de áudio que ainda está a chegar são tarefas diferentes; a identificação de locutores do modelo não é suportada em sessões de transcrição Realtime.
O formato de resultado diarized_json devolve segmentos com etiquetas de identidade do locutor e tempos de início e fim. Cada segmento contém também o respetivo texto transcrito. Mantenha esses campos juntos para que as palavras possam ser relacionadas com a parte relevante da gravação.
Para uma transcrição útil de reunião, conserve a sequência dos segmentos e apresente as palavras de cada locutor com os respetivos tempos. Uma tarefa posterior pode utilizar essa transcrição para preparar uma ata ou ações a realizar, mas a diarização, por si só, não decide o que a reunião acordou nem gera um resumo verificado.
As etiquetas de locutor descrevem o agrupamento da fala feito pelo modelo. Examine transições em que as pessoas se interrompem, falam brevemente ou ao mesmo tempo. Um resultado bem estruturado é útil para navegação e revisão, mas uma atribuição específica pode ainda exigir a audição do áudio original.
O processo documentado pode aceitar até quatro referências de locutores com nome. Cada referência é um excerto curto de áudio de 2–10 segundos num formato suportado pelo carregamento principal. Os nomes e as referências são fornecidos juntos para que os segmentos possam ser associados a locutores conhecidos.
Prepare uma referência que contenha claramente o locutor pretendido e mantenha o seu nome consistente com as etiquetas pretendidas da transcrição. Para uma entrevista, uma referência da pessoa que a conduz pode ajudar a organizar o resultado identificado por locutor sem transformar cada participante numa etiqueta anónima. A referência é uma entrada para atribuição; não é uma operação geral de clonagem de voz nem prova da identidade de uma pessoa.
Não confunda dar nome a um locutor com editar as palavras que foram ditas. A saída útil continua a precisar de preservar o conteúdo da gravação e a ordem efetiva dos turnos.
Para áudio com mais de 30 segundos, o fabricante exige uma estratégia de divisão em partes, automática ou com uma configuração de deteção de atividade vocal. Esse requisito não é uma duração máxima de gravação. Descreve como a entrada mais longa é dividida para processamento.
A ficha do modelo indica uma janela de contexto de 16 000 tokens e um máximo de 2 000 tokens de saída. São limites de tokens do modelo, distintos do limite de carregamento de 25 MB do processo de ficheiros e do limiar de divisão. Não devem ser convertidos num número inventado de minutos aplicável a todas as gravações.
Mantenha os tempos e a identidade dos segmentos ao montar ou examinar uma transcrição mais longa. Se uma gravação tiver sido dividida antes do envio, conserve a relação de cada parte com o áudio original, para que um tempo local não seja confundido com a sua posição na conversa completa.
O processo de transcrição de ficheiros pode transmitir texto em streaming enquanto a gravação é processada. Com streaming identificado por locutor, os segmentos concluídos produzem eventos de segmento. Os incrementos de texto incluem um identificador de segmento, mas não contêm atribuições parciais de locutor; um locutor é atribuído quando o segmento é finalizado.
Esta distinção é importante para apresentação. Mostre texto provisório e um turno de fala finalizado como estados diferentes, em vez de associar uma etiqueta incerta de locutor antes de o modelo concluir o segmento. Conserve o resultado concluído quando a transcrição for necessária para edição ou análise posteriores.
Este perfil é o modelo de diarização, distinto da transcrição GPT-4o normal, da transcrição Mini, da síntese de fala e dos modelos de conversação em direto. Não suporta pedidos de texto para orientar a transcrição; mantenha qualquer revisão ou correção terminológica como uma etapa separada verificada face ao áudio original. A interface do fabricante transcreve áudio gravado para texto. Não gera uma resposta de áudio nem traduz uma gravação através do processo separado de tradução de áudio.
Utilize-o para transcrições que precisam tanto do conteúdo como da estrutura dos locutores. Verifique nomes, termos técnicos, números, limites de turnos e atribuições face à gravação. Conserve o áudio, o formato de resultado escolhido, as referências e a transcrição concluída, para que uma correção possa incidir numa frase concreta ou atribuição de locutor.
POST /v1/audio/transcriptionsaudiotranscription| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-4o-transcribe-diarize | Predefinição— |
Campofile | Tipofile | RequisitoObrigatório | Valores e limites Número máximo de bytes: 26 214 400 Tipos MIME: audio/mpeg Extensão do ficheiro: .mp3 Duração máxima, em segundos: 30 | Predefinição— |
Camporesponse_format | Tipostring | RequisitoObrigatório | Valores e limites diarized_json | Predefinição— |
diarized_transcription
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratomultipart/form-data |
Parâmetrorequired | Contratomodel, file, response_format |
Parâmetrofile_formats | Contratomp3 |
Parâmetromax_audio_seconds | Contrato30 |
Parâmetromax_bytes | Contrato26214400 |
Parâmetroresponse_format | Contratodiarized_json |
Parâmetroother_options | Contratofalse |
Parâmetromaterial_types | Contratoaudio |
Parâmetroadditional_properties | Contratofalse |
Parâmetroform_string_maximum_bytes | Contrato256 |
Aliases do método: /audio/transcriptions
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Utilize a gravação real e o formato correspondente.
Conserve a transcrição completa, os segmentos, os IDs dos intervenientes e a temporização.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Unidade de faturação | Custo |
|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Unidade de faturação— | Custo Entrada · Tokens de entrada — / 1K tokens Saída · Tokens de saída — / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoUltra | Tabela de tarifas— | Unidade de faturação/ 1K tokens de áudio | Custo Entrada · token de áudio de entrada $0.012 / 1K tokens de áudio |
| ConfiguraçãoUltra | Tabela de tarifas— | Unidade de faturação/ 1K tokens de áudio | Custo Saída · token de áudio de saída $0.02 / 1K tokens de áudio |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo, sem se limitar ao texto; preserve todos os segmentos/intervenientes/marcas temporais disponíveis e a identidade real da tarefa/recurso.
Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.
| Campo | Tipo |
|---|---|
Campotext | Tipostring |
Camposegments[] | Tipoobject |
Campotask_id | Tipostring |
Campoasset_url | Tipostring |
Campousage | Tipoobject |
Camposegments[].speaker | Tipostring |
Camposegments[].start | Tiponumber |
Camposegments[].end | Tiponumber |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Respostaserver_error | CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação | Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação. |
Ailoot Ultra openai/gpt-4o-transcribe-diarize
/audio/transcriptions