模型

gpt-4o-transcribe-diarize

Markdown · JSON

gpt-4o-transcribe-diarize

GPT-4o Transcribe Diarize 將錄製的語音轉成附有說話者標籤與時間的文字片段。適合會議、訪談及多人錄音,需要在逐字稿中顯示誰在何時發言的情境,也可選擇提供已知說話者的短語音參考。

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項,依所選方法列於下方。

GPT-4o Transcribe Diarize 是 OpenAI 內建說話者分段功能的自動語音辨識模型。它將轉錄的音訊片段對應到對話中的不同說話者。有用的成果是依說話者與時間整理的逐字稿,而不只是連續的一大段文字。它適用於需要說話者標籤的錄製語音,例如會議、訪談或多人討論。

準備已完成的錄音

提供需要轉錄的錄音。文件記載的檔案流程接受 MP3、MP4、MPEG、MPGA、M4A、WAV 與 WebM,檔案大小上限為 25 MB。保留來源錄音,以便將說話輪次、名稱或不清楚的字句對照實際音訊檢查。

會議錄音應保留對話順序,不要剪掉有助區分輪次的短暫停頓。訪談任務若需要問答關係,應將問題與回答保留在一起。音訊準備應讓語音清楚可聞,同時不移除對帶說話者標籤成果重要的資訊。

這是檔案轉錄流程。處理已完成錄音與辨識仍持續傳入的音訊串流是不同任務;模型的說話者標籤不支援 Realtime 轉錄工作階段。

要求附說話者標籤的逐字稿

diarized_json 結果格式回傳附有說話者身分標籤及起訖時間的片段。每個片段也包含其轉錄文字。將這些欄位保留在一起,才能把字句連到錄音中的相關部分。

有用的會議逐字稿應保留片段順序,並搭配時間顯示每位說話者的字句。後續任務可以用逐字稿準備會議紀錄或待辦事項,但說話者分段本身不會決定會議達成哪些共識,也不會產生經驗證的摘要。

說話者標籤描述模型對語音的分組。檢查人們互相打斷、短暫發言或重疊發言的轉換處。良好結構有助導覽與檢閱,但特定歸屬仍可能需要聆聽原始音訊。

已知說話者參考

文件記載的流程最多接受四個具名說話者參考。每個參考是 2–10 秒的短音訊片段,格式需與主要上傳支援的格式一致。名稱與參考一併提供,以便將片段對應到已知說話者。

準備清楚包含目標說話者的參考,並讓名稱與逐字稿預定標籤一致。訪談中,主持人的參考可以協助整理帶有說話者標籤的成果,不必讓每個參與者都只得到匿名標籤。參考是歸屬判定的輸入,並非一般語音複製操作,也不是個人身分的證明。

不要混淆為說話者命名與修改實際發言。有用的輸出仍需保留錄音內容及實際輪次順序。

分塊與模型限制

音訊超過 30 秒時,開發商要求指定分塊策略,可以是自動分塊或語音活動偵測設定。這項要求不是錄音時長上限,而是說明如何分割較長輸入以供處理。

模型卡列出 16,000 個 token 的上下文視窗與最多 2,000 個輸出 token。這些是模型 token 限制,與檔案流程的 25 MB 上傳上限及分塊門檻分開。不應將其換算成適用於所有錄音的虛構分鐘數。

組合或檢查較長逐字稿時,保留時間與片段識別。若錄音在提交前已分割,應保留各部分與原始音訊的關係,避免將局部時間戳誤認為完整對話中的位置。

串流傳送已定稿片段

檔案轉錄流程可在處理錄音時串流傳送文字。帶說話者標籤的串流會在片段完成時產生片段事件。文字增量含有片段識別碼,但不含部分的說話者指派;說話者會在片段定稿時指派。

呈現時,這項區別很重要。將暫定文字與定稿的說話輪次顯示為不同狀態,不要在模型完成片段前附上不確定的說話者標籤。若後續編輯或分析需要逐字稿,應保留完成結果。

模型與輸出範圍

這個設定檔是說話者分段模型,與一般 GPT-4o 轉錄、Mini 轉錄、語音合成及即時對話模型分開。它不支援轉錄提示詞;術語檢閱或修正應作為獨立步驟,並對照原始音訊檢查。其開發商介面將錄製音訊轉錄成文字,不會生成音訊回答,也不會透過獨立的音訊翻譯流程翻譯錄音。

用於同時需要內容與說話者結構的逐字稿。將名稱、專業術語、數字、輪次邊界與歸屬對照錄音檢查。保留音訊、所選結果格式、參考及完成逐字稿,讓修正可以針對一個具體字句或說話者指派。

Ailoot Ultra · 語音辨識 POST /v1/audio/transcriptions openai/gpt-4o-transcribe-diarize

openai/gpt-4o-transcribe-diarize

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

入門

GPT-4o Transcribe Diarize 將錄製的語音轉成附有說話者標籤與時間的文字片段。適合會議、訪談及多人錄音,需要在逐字稿中顯示誰在何時發言的情境,也可選擇提供已知說話者的短語音參考。

接受的輸入
音訊
結果
transcription

Ailoot 可用 · 輸入與方法

Ailoot Ultra · 語音辨識 POST /v1/audio/transcriptions
輸入
audio
輸出
transcription
輸出格式
json
欄位類型要求值與限制預設值
欄位model類型string要求必填值與限制
openai/gpt-4o-transcribe-diarize
預設值—
欄位file類型file要求必填值與限制
位元組數上限: 26,214,400
MIME 類型: audio/mpeg
副檔名: .mp3
時長上限(秒): 30
預設值—
欄位response_format類型string要求必填值與限制
diarized_json
預設值—
輸入素材組合

diarized_transcription

方法參數與生命週期
參數規格
參數content_type規格multipart/form-data
參數required規格model, file, response_format
參數file_formats規格mp3
參數max_audio_seconds規格30
參數max_bytes規格26214400
參數response_format規格diarized_json
參數other_options規格false
參數material_types規格audio
參數additional_properties規格false
參數form_string_maximum_bytes規格256

方法別名: /audio/transcriptions

生命週期: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

請使用實際錄音與相符的格式。

請保留完整轉錄文字、片段、說話者 ID 與時間資訊。

方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式
未指定 選取快速模式時
flex 模式
未指定 選取 flex 模式時
最高推理強度
未指定 最高推理強度採用 default 調整值時

Ailoot 費率

各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

設定費率表計費單位費用
設定基礎 token 費率費率表基本費率計費單位—費用
輸入 · 輸入 Token — / 1K Token
輸出 · 輸出 Token — / 1K Token
輸入 · 讀取快取 — / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token
設定Ultra費率表—計費單位/ 1K 音訊 Token費用
輸入 · 輸入音訊詞元 $0.012 / 1K 音訊 Token
設定Ultra費率表—計費單位/ 1K 音訊 Token費用
輸出 · 輸出音訊詞元 $0.02 / 1K 音訊 Token

Ailoot 會在請求前預留估算金額。取得結果後,依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot Ultra · 語音辨識

curl · 原樣保留的建立請求
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

接收並儲存結果

Ailoot Ultra · 語音辨識

json

  • GET /v1/media/tasks/{task_id}
  • GET /v1/media/assets/{asset_id}/content
  • GET /v1/media/assets
  • GET /v1/media/assets/{asset_id}
其他內容讀取方式
儲存每份傳回且屬於自己的逐字稿媒體庫工作狀態素材詳細資訊
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
保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

請保留完整 JSON,而非僅保留文字;所有可用的片段/說話者/時間戳記與實際工作/資產身分均須保留。

需要檢查原始回應時

保留原始 operation_id/X-Client-Request-ID 以供核對,請勿重新提交;沒有專用的音訊輪詢路由。

回應欄位
欄位類型
欄位text類型string
欄位segments[]類型object
欄位task_id類型string
欄位asset_url類型string
欄位usage類型object
欄位segments[].speaker類型string
欄位segments[].start類型number
欄位segments[].end類型number
錯誤與後續步驟
回應條件下一步
回應400 · invalid_request_error條件必要欄位、素材表示方式或參數值無效下一步提出新的建立請求前,先修正指定欄位。
回應server_error條件回傳的回應表示該作業或結果需要檢查下一步保留原始回傳的作業/任務 ID、請求標頭與回應;繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。

別名

模型別名

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

方法路徑別名

/audio/transcriptions

相關呼叫用 ID

openai/gpt-4o-transcribe-diarize

FAQ · gpt-4o-transcribe-diarize
可以使用哪些輸入與結果?

POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: audio → transcription

請求使用哪些欄位?

POST /v1/audio/transcriptions · openai/gpt-4o-transcribe-diarize: model, file, response_format

更多詳情

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

公司及其專案組合

公司及其專案組合:數百萬客戶,每月銷售額達數十億。

優惠購買 token。

訂閱優惠適合持續工作,折扣碼購買 token 最高可折 50%。

訂閱
為定期請求選擇優惠方案。
最高 50% 折扣碼
購買時輸入代碼,價格依活動重算。
歷史中的費用
每次請求保存模型、token 與金額。

選擇訂閱 · 查看模型價格

將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人;轉售請申請經銷授權。

商用應用程式
在付費功能加入文字、圖片、影片與聲音生成。
經銷授權
提供專案說明與存取方式,要求書面使用和轉售條件。
網站文件
串接前可閱讀正式服務條款、授權合約與資料處理政策。

申請經銷授權 · 正式服務條款與授權合約