Source: https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe-diarize/ Canonical: https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe-diarize/ Language: zh-hant-tw # gpt-4o-transcribe-diarize [Markdown](https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe-diarize/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe-diarize/facts.json) ## [gpt-4o-transcribe-diarize](https://ailoot.ai/models/zh-hant-tw/openai-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。 - [**Ailoot Ultra · 語音辨識** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/zh-hant-tw/openai-gpt-4o-transcribe-diarize/#method-0) 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`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) 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 **$0.02** / 1K 音訊 Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · 語音辨識 curl · 原樣保留的建立請求 ```bash set -eu : "${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 ``` ### 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 ```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 ``` ##### 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`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) #### 方法路徑別名 `/audio/transcriptions` #### 相關呼叫用 ID [`openai/gpt-4o-transcribe-diarize`](https://ailoot.ai/models/zh-hant-tw/#m=openai%2Fgpt-4o-transcribe-diarize&route=Ultra&caller=openai%2Fgpt-4o-transcribe-diarize&fmt=transcriptions) 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` 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](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 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](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。