GPT-4o Transcribe Diarize: кто что сказал
GPT-4o Transcribe Diarize — модель OpenAI, которая переводит запись в текст и сразу делит его на реплики: кто говорит, с какой секунды и до какой. Она пригодится для интервью, планёрок и звонков, где важно не перепутать собеседников. OpenAI выключит её 26 февраля 2027 года. Час разговора стоит около 40,80 ₽.
- 0,68 ₽ за минуту звука
- до 2 ч звука
- звук → текст
openai/gpt-4o-transcribe-diarize
Обновлено:
Получить ключ Попробовать Документация
Попробовать GPT-4o Transcribe Diarize
Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.
Что попробовать: Загрузи запись до двух минут или запиши с микрофона, например разговор двух людей. Вернётся текст по репликам с пометкой, кто говорит.
В ответ приходит текст записи в поле text — как у OpenAI.
Цены GPT-4o Transcribe Diarize в рублях
| Звук — считаем по секундам | 0,68 ₽ за минуту |
|---|
Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена
Сколько стоят типичные задачи
Суммы посчитаны по цене выше — сколько спишется за такую работу.
| Интервью для статьи: интервью на 40 минут | Около 27,20 ₽ |
|---|---|
| Протокол планёрки: часовая планёрка | Около 40,80 ₽ |
| Звонки «оператор — клиент»: 100 звонков по 6 минут | Около 408,00 ₽ |
| Текстовая версия подкаста с гостями: выпуск на час с четвертью | Около 51,00 ₽ |
Что умеет GPT-4o Transcribe Diarize
- Распознаёт речь и сразу размечает говорящих: связывает куски записи с разными людьми в разговоре (карточка модели).
- В ответе
diarized_jsonприходят реплики с полямиspeaker,startиend(руководство OpenAI). - Без заранее известных имён подписывает говорящих заглавными буквами: A, B, C (справочник API).
- Отвечает в форматах
json,textиdiarized_json; разметка говорящих есть только вdiarized_json. - Подсказку
promptмодель не принимает, а время отдельных слов не отдаёт. - Пишет ответ до 2 000 токенов при контексте 16 000.
- Устарела: OpenAI выключит её 26 февраля 2027 года и советует переходить на GPT Transcribe, у которой разметки говорящих в документации нет.
Где применять
Интервью для статьи
После интервью на диктофон обычно уходит час на расшифровку и попытки вспомнить, где вопрос, а где ответ. С diarized_json реплики уже разделены: одна буква у того, кто спрашивает, другая — у гостя. Остаётся заменить буквы на имена и вычитать цитаты. Время начала и конца каждой реплики помогает быстро переслушать спорное место, а не искать его по всей записи. Если гостей двое, буквы просто станут A, B и C. Записывать собеседника стоит с его согласия.
Пример запроса: «file=interview-guest.m4a, language=ru, response_format=diarized_json»
Стоимость: интервью на 40 минут — около 27,20 ₽.
Протокол планёрки
На планёрке пять человек говорят по очереди, а через неделю никто не помнит, кто обещал прислать отчёт. Расшифровка с разметкой отвечает на это без споров. Длинную встречу режь на куски по 10–15 минут: у модели предел ответа, а целый час одним файлом она может не дописать. Буквы в каждом куске свои, поэтому в начале каждой части сверь, кто есть кто, по первым репликам.
Пример запроса: «file=planerka-part-1.mp3, language=ru, response_format=diarized_json»
Стоимость: часовая планёрка — около 40,80 ₽.
Звонки «оператор — клиент»
В звонке поддержки два голоса, и для разбора важно отделить слова оператора от слов клиента. Diarize делит запись на реплики, и дальше проверка идёт только по фразам оператора: есть ли приветствие, назван ли срок, нет ли перебиваний. Слова клиента пригодятся отдельно — для поиска частых жалоб. Звонки записывай с предупреждением, а имена и телефоны убирай из текста до того, как отдавать его в отчёт.
Пример запроса: «file=support-0716.ogg, language=ru, response_format=diarized_json»
Стоимость: 100 звонков по 6 минут — около 408,00 ₽.
Текстовая версия подкаста с гостями
Для сайта подкаста текст выпуска — это и удобство, и поиск: человек читает, а поисковик видит, о чём говорили. В текстовой версии важно, чья реплика, иначе беседа ведущего и двух гостей сливается в один монолог. Diarize даёт разметку, а время начала реплик превращается в оглавление выпуска с переходом на нужную минуту. Перед публикацией замени буквы на имена и убери оговорки. Ведущего проще всего узнать по первой реплике выпуска.
Пример запроса: «file=podcast-ep-52.mp3, response_format=diarized_json»
Стоимость: выпуск на час с четвертью — около 51,00 ₽.
Характеристики
| Разработчик | OpenAI |
|---|---|
| Вид | Распознавание речи |
| Файл | mp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ |
| Звук за раз | до 2 ч |
| Ответ | json, text, diarized_json |
| id для запроса | openai/gpt-4o-transcribe-diarize |
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.
Запрос — POST https://veselo.ai/v1/audio/transcriptions с полем model: openai/gpt-4o-transcribe-diarize, ключ — в заголовке Authorization: Bearer sk-vsl-….
curl
curl https://veselo.ai/v1/audio/transcriptions \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-F model="openai/gpt-4o-transcribe-diarize" \
-F file="@speech.mp3"Python
from openai import OpenAI # pip install openai
client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)
with open("speech.mp3", "rb") as f:
r = client.audio.transcriptions.create(model="openai/gpt-4o-transcribe-diarize", file=f)
print(r.text)JavaScript
import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai
const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });
const r = await client.audio.transcriptions.create({
model: 'openai/gpt-4o-transcribe-diarize',
file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);Пример ответа — только поля
{
"text": "…"
}В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| GPT-4o Transcribe Diarize — эта модель | 0,68 ₽ / мин | до 2 ч звука | интервью и встречи, где нужно знать, кто что сказал |
| ElevenLabs Scribe v3 — ElevenLabs | 0,38 ₽ / мин | до 2 ч звука | точная расшифровка интервью, встреч и лекций с временем каждого слова |
| Gemini 3.5 Transcribe — Google | 0,56 ₽ / мин | до 1 ч звука | длинные записи до часа и речь на языках соседних стран |
| GPT-4o Transcribe — OpenAI | 0,68 ₽ / мин | до 2 ч звука | старые интеграции OpenAI и записи, где Whisper ошибается в словах |
| Soniox STT v6 — Soniox | 0,19 ₽ / мин | до 2 ч звука | фоновая расшифровка записей на 60+ языках, когда ответ может подождать |
| Amazon Transcribe — Amazon | 0,68 ₽ / мин | до 2 ч звука | записи на редких языках, включая татарский и башкирский, когда ответ может подождать |
- ElevenLabs Scribe v3 — расшифровка ElevenLabs с русским: сравни на своих записях, если важна точность слов, а модель OpenAI путает термины.
- Gemini 3.5 Transcribe — запись до часа одним запросом и больше 80 языков, но через наш API она отдаёт сплошной текст без разметки говорящих.
- GPT-4o Transcribe — если неважно, кто говорит, а нужен просто текст и подсказка
prompt. - Soniox STT v6 — ещё одна расшифровка с русским, попробуй её на тех же файлах для сравнения.
Как устроен доступ
Весело — не разработчик GPT-4o Transcribe Diarize: модель выпускает OpenAI. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность
Вопросы и ответы
- Как подписать говорящих в GPT-4o Transcribe Diarize настоящими именами?
- У OpenAI для этого нужны короткие образцы голоса каждого участника. Через наш API образцы голоса не передаются, поэтому реплики подписаны буквами A, B, C. Имена подставь по первым репликам: обычно хватает одной фразы «Здравствуйте, я Анна из отдела продаж».
- Сколько собеседников различает GPT-4o Transcribe Diarize?
- Предела для автоматической разметки OpenAI не называет. Чем больше людей и чем чаще они перебивают друг друга, тем выше шанс, что две реплики склеятся или голоса перепутаются. Для совещаний на десять человек проверь модель на своей записи, прежде чем ставить её в работу.
- Почему у Diarize нет подсказки prompt?
- Так устроена модель: в документации OpenAI прямо сказано, что
gpt-4o-transcribe-diarizeподсказки не поддерживает. Если важны термины, расшифруй запись ещё и GPT Transcribe с подсказкой и сверяй слова, а разметку бери из Diarize. - Можно ли сделать из ответа Diarize субтитры?
- Можно по репликам: у каждой есть начало и конец, а в начало строки удобно ставить имя говорящего. Время отдельных слов модель не даёт, поэтому для субтитров, где слова появляются по одному, нужна OpenAI Whisper-1.
- Что будет, если запрос закончится ошибкой?
- Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.
- Есть ли подписка или абонентская плата?
- Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
- Сколько запросов можно отправлять?
- До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: developers.openai.com