Source: https://ailoot.ai/models/pt-pt/openai-gpt-4o-transcribe-diarize/ Canonical: https://ailoot.ai/models/pt-pt/openai-gpt-4o-transcribe-diarize/ Language: pt-pt # gpt-4o-transcribe-diarize [Markdown](https://ailoot.ai/models/pt-pt/openai-gpt-4o-transcribe-diarize/index.md) · [JSON](https://ailoot.ai/models/pt-pt/openai-gpt-4o-transcribe-diarize/facts.json) ## [gpt-4o-transcribe-diarize](https://ailoot.ai/models/pt-pt/openai-gpt-4o-transcribe-diarize/) GPT-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. - [**Ailoot Ultra · Reconhecimento de voz** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/pt-pt/openai-gpt-4o-transcribe-diarize/#method-0) Sobre o modelo 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. #### Preparar a gravação concluída 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. #### Pedir uma transcrição identificada por locutor 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. #### Referências de locutores conhecidos 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. #### Divisão em partes e limites do modelo 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. #### Transmitir segmentos finalizados em streaming 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. #### Limites do modelo e da saída 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. **Ailoot Ultra · Reconhecimento de voz** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe-diarize` [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/pt-pt/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) OpenAI /`openai/gpt-4o-transcribe-diarize` ### Introdução GPT-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. Entradas aceites Áudio Resultados transcription ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Reconhecimento de voz** `POST /v1/audio/transcriptions` Entrada `audio` Saída `transcription` Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites openai/gpt-4o-transcribe-diarize | Predefinição— | | Campo`file` | Tipo`file` | 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— | | Campo`response_format` | Tipo`string` | RequisitoObrigatório | Valores e limites diarized\_json | Predefinição— | Combinações de materiais de entrada **diarized\_transcription** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratomultipart/form-data | | Parâmetro`required` | Contratomodel, file, response\_format | | Parâmetro`file_formats` | Contratomp3 | | Parâmetro`max_audio_seconds` | Contrato30 | | Parâmetro`max_bytes` | Contrato26214400 | | Parâmetro`response_format` | Contratodiarized\_json | | Parâmetro`other_options` | Contratofalse | | Parâmetro`material_types` | Contratoaudio | | Parâmetro`additional_properties` | Contratofalse | | Parâmetro`form_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. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Não especificado Quando o modo rápido está selecionado Modo flex Não especificado Quando o modo flex está selecionado Esforço máximo de raciocínio Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração 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 **$0.02** / 1K tokens de áudio | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Reconhecimento de voz curl · pedido de criação preservado sem alterações ```bash set -eu : "${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 ``` ### Receber e guardar os resultados #### Ailoot Ultra · Reconhecimento de voz json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Outras leituras de conteúdo Guardar cada transcrição devolvida de que é titularBiblioteca multimédiaEstado da tarefaDetalhes dos recursos ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" export AILOOT_API_KEY python3 - <<'PY_ASSETS' import json,os,subprocess from pathlib import Path from urllib.parse import urljoin,urlsplit r=json.loads(Path('result.json').read_text()) urls=[] if isinstance(r.get('asset_url'),str) and r['asset_url']:urls.append(('transcript',r['asset_url'])) for label,path in urls: u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u) if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL') target=Path('owned-'+label+'.bin') subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True) print('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.') PY_ASSETS ``` ```bash set -eu : "${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 $AILOOT_API_KEY" -o media-assets.json ``` ```bash set -eu : "${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 $AILOOT_API_KEY" -o media-task.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-task.json").read_text()))) PY_RESULT ``` ```bash set -eu : "${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 ``` ##### Guardar todos os resultados concluídos Guarde 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. ##### Se for necessário verificar a resposta original 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. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`text` | Tipostring | | Campo`segments[]` | Tipoobject | | Campo`task_id` | Tipostring | | Campo`asset_url` | Tipostring | | Campo`usage` | Tipoobject | | Campo`segments[].speaker` | Tipostring | | Campo`segments[].start` | Tiponumber | | Campo`segments[].end` | Tiponumber | Erros e passos seguintes | 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. | | Resposta`server_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. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/pt-pt/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) #### Aliases dos caminhos dos métodos `/audio/transcriptions` #### IDs de chamada relacionados [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/pt-pt/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) FAQ · gpt-4o-transcribe-diarize Que entradas e resultados estão disponíveis? `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe-diarize`: `audio` → `transcription` Que campos utiliza o pedido? `POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe-diarize`: `model`, `file`, `response_format` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.