Весело
Весело

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 секундам0,68 ₽ 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 минутОколо 27,20 ₽
Протокол планёрки: часовая планёркаОколо 40,80 ₽
Звонки «оператор — клиент»: 100 звонков по 6 минутОколо 408,00 ₽
Текстовая версия подкаста с гостями: выпуск на час с четвертьюОколо 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_json приходят реплики с полями speaker, start и end (руководство OpenAI).
  • Без заранее известных имён подписывает говорящих заглавными буквами: A, B, C (справочник API).
  • Отвечает в форматах json, text и diarized_json; разметка говорящих есть только в diarized_json.
  • Подсказку prompt модель 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

РазработчикOpenAI
ВидРаспознавание речи
Файлmp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ
Звук за раздо 2 ч
Ответjson, text, diarized_json
id для запросаopenai/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

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
GPT-4o Transcribe Diarize — эта модель0,68 ₽ / миндо 2 ч звукаинтервью и встречи, где нужно знать, кто что сказал
ElevenLabs Scribe v3 — ElevenLabs0,38 ₽ / миндо 2 ч звукаточная расшифровка интервью, встреч и лекций с временем каждого слова
Gemini 3.5 Transcribe — Google0,56 ₽ / миндо 1 ч звукадлинные записи до часа и речь на языках соседних стран
GPT-4o Transcribe — OpenAI0,68 ₽ / миндо 2 ч звукастарые интеграции OpenAI и записи, где Whisper ошибается в словах
Soniox STT v6 — Soniox0,19 ₽ / миндо 2 ч звукафоновая расшифровка записей на 60+ языках, когда ответ может подождать
Amazon Transcribe — Amazon0,68 ₽ / миндо 2 ч звуказаписи 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-diarize подсказки 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