gpt-4o-transcribe-diarize

GPT-4o Transcribe Diarize pretvori posneti govor v besedilo s segmenti, označenimi po govorcih, in časovnimi podatki. Primeren je za sestanke, intervjuje in posnetke več oseb, pri katerih mora prepis pokazati, kdo je kdaj govoril, z izbirnimi kratkimi glasovnimi referencami za znane govorce.

Ailoot Ultra · Prepoznavanje govora POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize

O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

GPT-4o Transcribe Diarize je model OpenAI za samodejno prepoznavanje govora z vgrajeno diarizacijo govorcev. Prepisane zvočne segmente poveže z različnimi govorci v pogovoru. Uporaben rezultat je prepis, urejen po govorcih in času, namesto zgolj neprekinjenega bloka besed. Namenjen je posnetemu govoru, ki potrebuje oznake govorcev, na primer sestanku, intervjuju ali razpravi več oseb.

Pripravite dokončani posnetek

Predložite posnetek za prepis. Dokumentirani datotečni potek sprejema MP3, MP4, MPEG, MPGA, M4A, WAV in WebM z omejitvijo velikosti datoteke 25 MB. Izvorni posnetek ohranite dostopen, da je mogoče posamezni govorčev prispevek, ime ali nejasno frazo preveriti glede na dejanski zvok.

Pri sestanku ohranite zaporedje pogovora, namesto da izrežete kratke premore, ki pomagajo razlikovati govorne odseke. Pri intervjuju vprašanje in odgovor ohranite skupaj, kadar naloga potrebuje njuno povezavo. Priprava zvoka mora zagotoviti slišnost govora, ne da bi odstranila informacije, pomembne za rezultat z označenimi govorci.

To je potek prepisa datoteke. Obdelava dokončanega posnetka in prepoznavanje zvočnega toka, ki še prihaja, sta različni nalogi; označevanje govorcev tega modela ni podprto v sejah prepisa Realtime.

Zahtevajte prepis z označenimi govorci

Izhodni format diarized_json vrne segmente z identifikacijskimi oznakami govorcev ter začetnim in končnim časom. Vsak segment vsebuje tudi svoje prepisano besedilo. Ta polja ohranite skupaj, da je mogoče besede povezati z ustreznim delom posnetka.

Za uporaben prepis sestanka ohranite zaporedje segmentov in besede vsakega govorca prikažite z njihovimi časovnimi podatki. Poznejša naloga lahko s tem prepisom pripravi zapisnik ali seznam nalog, diarizacija sama pa ne odloči, kaj je bilo na sestanku dogovorjeno, in ne ustvari preverjenega povzetka.

Oznake govorcev opisujejo modelovo združevanje govora. Preglejte prehode, pri katerih se ljudje prekinjajo, govorijo na kratko ali hkrati. Dobro strukturiran rezultat pomaga pri navigaciji in pregledu, posamezna pripisava pa lahko še vedno zahteva poslušanje izvirnega zvoka.

Reference znanih govorcev

Dokumentirani potek lahko sprejme do štirih poimenovanih referenc govorcev. Vsaka referenca je kratek zvočni izsek, dolg 2–10 sekund, v formatu, podprtem pri glavnem nalaganju. Imena in reference se predložijo skupaj, da je segmente mogoče povezati z znanimi govorci.

Pripravite referenco, ki jasno vsebuje predvidenega govorca, in njeno ime ohranite skladno s predvidenimi oznakami prepisa. Pri intervjuju lahko referenca voditelja pomaga urediti rezultat z označenimi govorci, ne da bi vsak udeleženec dobil anonimno oznako. Referenca je vhod za pripisovanje; ni splošna operacija kloniranja glasu ali dokaz identitete osebe.

Poimenovanja govorca ne zamenjujte z urejanjem izgovorjenih besed. Uporaben izhod mora še vedno ohraniti vsebino posnetka in dejanski vrstni red govornih odsekov.

Delitev na dele in omejitve modela

Za zvok, daljši od 30 sekund, proizvajalec zahteva strategijo delitve na dele, bodisi samodejno delitev bodisi konfiguracijo zaznavanja govorne aktivnosti. Ta zahteva ni največja dolžina posnetka. Opisuje, kako se daljši vhod razdeli za obdelavo.

Kartica modela navaja kontekstno okno 16000 tokenov in največ 2000 izhodnih tokenov. To so omejitve tokenov modela, ločene od omejitve nalaganja 25 MB v datotečnem poteku in praga delitve na dele. Ne smejo se pretvoriti v izmišljeno število minut, ki bi veljalo za vsak posnetek.

Pri sestavljanju ali pregledu daljšega prepisa ohranite časovne podatke in identiteto segmentov. Če je bil posnetek pred oddajo razdeljen, ohranite povezavo vsakega dela z izvirnim zvokom, da se lokalna časovna oznaka ne zamenja s položajem v celotnem pogovoru.

Pretočno podajanje dokončanih segmentov

Datotečni potek prepisa lahko besedilo pretočno podaja med obdelavo posnetka. Pri pretočnem podajanju z označenimi govorci dokončani segmenti ustvarijo dogodke segmentov. Prirastki besedila vključujejo identifikator segmenta, ne vsebujejo pa delnih pripisav govorcev; govorec se določi, ko je segment dokončan.

Ta razlika je pomembna pri prikazu. Začasno besedilo in dokončani govorni odsek prikažite kot različni stanji, namesto da negotovo oznako govorca pripnete, preden model dokonča segment. Dokončani rezultat ohranite, kadar je prepis potreben za poznejše urejanje ali analizo.

Meje modela in izhoda

Ta profil je model za diarizacijo, ločen od običajnega prepisa GPT-4o, prepisa Mini, sinteze govora in modelov za pogovor v živo. Ne podpira pozivov za prepis; morebitni pregled terminologije ali popravek ohranite kot ločen korak, preverjen glede na izvirni zvok. Njegov proizvajalčev vmesnik je prepis posnetega zvoka v besedilo. Ne ustvari zvočnega odgovora in ne prevede posnetka prek ločenega poteka zvočnega prevajanja.

Uporabite ga za prepise, ki potrebujejo vsebino in strukturo govorcev. Imena, tehnične izraze, številke, meje govornih odsekov in pripisave preverite glede na posnetek. Ohranite zvok, izbrani format rezultata, reference in dokončani prepis, da lahko popravek obravnava konkretno frazo ali pripisavo govorca.

Ailoot Ultra · Prepoznavanje govora POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize

openai/gpt-4o-transcribe-diarize

OpenAI /openai/gpt-4o-transcribe-diarize

Začetek

Dovoljeni vhodi: Zvok
Rezultati: transcription

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Prepoznavanje govora POST /v1/audio/transcriptions

Vhod: audio
Izhod: transcription
Izhodni format: json

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve openai/gpt-4o-transcribe-diarize	Privzeto—
Polje`file`	Vrsta`file`	ZahtevaObvezno	Vrednosti in omejitve Največ bajtov: 26.214.400 Vrste MIME: audio/mpeg Pripona datoteke: .mp3 Najdaljše trajanje, sekunde: 30	Privzeto—
Polje`response_format`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve diarized_json	Privzeto—

Kombinacije vhodnih gradiv

diarized_transcription

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`content_type`	Specifikacijamultipart/form-data
Parameter`required`	Specifikacijamodel, file, response_format
Parameter`file_formats`	Specifikacijamp3
Parameter`max_audio_seconds`	Specifikacija30
Parameter`max_bytes`	Specifikacija26214400
Parameter`response_format`	Specifikacijadiarized_json
Parameter`other_options`	Specifikacijafalse
Parameter`material_types`	Specifikacijaaudio
Parameter`additional_properties`	Specifikacijafalse
Parameter`form_string_maximum_bytes`	Specifikacija256

Druga imena metode: /audio/transcriptions

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Uporabite dejanski posnetek in ustrezno obliko.

Ohranite celoten prepis, segmente, ID-je govorcev in časovne podatke.

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način: Ni navedeno Ko je izbran hitri način
Način flex: Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja: Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

Nastavitev	Cenovna lestvica	Obračunska enota	Strošek
NastavitevOsnovne cene žetonov	Cenovna lestvicaOsnovna cena	Obračunska enota—	Strošek Vhod · Vhodni žetoni — / 1K žetonov Izhod · Izhodni žetoni — / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov
NastavitevUltra	Cenovna lestvica—	Obračunska enota/ 1K zvočnih žetonov	Strošek Vhod · vhodni zvočni žeton $0.012 / 1K zvočnih žetonov
NastavitevUltra	Cenovna lestvica—	Obračunska enota/ 1K zvočnih žetonov	Strošek Izhod · izhodni zvočni žeton $0.02 / 1K zvočnih žetonov

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Prepoznavanje govora

curl · natančno ohranjena zahteva za ustvarjanje

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

Prejmi in shrani rezultate

Ailoot Ultra · Prepoznavanje govora

json

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Branje druge vsebine

Shrani vsak vrnjen prepis, ki vam pripadaMedijska knjižnicaStanje opravilaPodrobnosti gradiva

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

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

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

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

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Ohranite celoten JSON in ne samo besedila; ohranite vsak razpoložljivi segment/govorca/časovno oznako in dejansko identiteto opravila/sredstva.

Če je treba preveriti izvirni odgovor

Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.

Polja odgovora

Polje	Vrsta
Polje`text`	Vrstastring
Polje`segments[]`	Vrstaobject
Polje`task_id`	Vrstastring
Polje`asset_url`	Vrstastring
Polje`usage`	Vrstaobject
Polje`segments[].speaker`	Vrstastring
Polje`segments[].start`	Vrstanumber
Polje`segments[].end`	Vrstanumber

Napake in naslednji koraki

Odgovor	Pogoj	Naslednji korak
Odgovor400 · `invalid_request_error`	PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra	Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.
Odgovor`server_error`	PogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti	Naslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova.

Druga imena

Druga imena modelov

Ailoot Ultra openai/gpt-4o-transcribe-diarize

Druga imena poti metod

/audio/transcriptions

Povezani ID-ji za klic

openai/gpt-4o-transcribe-diarize

FAQ · gpt-4o-transcribe-diarize

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: audio → transcription
Katera polja uporablja zahteva?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: model, file, response_format

gpt-4o-transcribe-diarize