---
title: "GPT-4o Transcribe Diarize: кто что сказал"
description: "Распознавание речи OpenAI с пометкой, кто говорит: реплики со временем начала и конца в diarized_json. Работает до 26.02.2027. Цена — 0,68 ₽ за минуту звука."
url: https://veselo.ai/models/openai/gpt-4o-transcribe-diarize
updated: 2026-11-16T14:39:32.641Z
---

# 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: 16 ноября 2026 г.

[Получить ключ](https://veselo.ai/developer) Попробовать [Документация](https://veselo.ai/docs/transcriptions)

## 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](https://veselo.ai/docs/pricing)

### 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](https://developers.openai.com/api/docs/models/gpt-4o-transcribe-diarize)).
- В ответе `diarized_json` приходят реплики с полями `speaker`, `start` и `end` ([руководство OpenAI](https://developers.openai.com/api/docs/guides/speech-to-text)).
- Без заранее известных имён подписывает говорящих заглавными буквами: A, B, C ([справочник API](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)).
- 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

| 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](https://veselo.ai/docs/sdks)

[Документация раздела](https://veselo.ai/docs/transcriptions)

## 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](https://veselo.ai/models/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](https://veselo.ai/models/google/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](https://veselo.ai/models/openai/gpt-4o-transcribe) — OpenAI | 0,68 ₽ / мин | до 2 ч звука | старые интеграции OpenAI и записи, где Whisper ошибается в словах |
| [Soniox STT v6](https://veselo.ai/models/soniox/stt-async-v6) — Soniox | 0,19 ₽ / мин | до 2 ч звука | фоновая расшифровка записей на 60+ языках, когда ответ может подождать |
| [Amazon Transcribe](https://veselo.ai/models/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**](https://veselo.ai/models/elevenlabs/scribe-v3) — расшифровка ElevenLabs с русским: сравни на своих записях, если важна точность слов, а модель OpenAI путает термины.
- [**Gemini 3.5 Transcribe**](https://veselo.ai/models/google/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**](https://veselo.ai/models/openai/gpt-4o-transcribe) — если неважно, кто говорит, а нужен просто текст и подсказка `prompt`.
- [**Soniox STT v6**](https://veselo.ai/models/soniox/stt-async-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](https://veselo.ai/docs/privacy)

## 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](https://veselo.ai/models/openai/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](https://veselo.ai/models/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

- [Все модели: распознавание речи](https://veselo.ai/models/raspoznavanie-rechi-api)
- [OpenAI по API: GPT Image, Whisper и TTS](https://veselo.ai/models/openai)
- [Распознавание речи по API за рубли — документация API](https://veselo.ai/docs/transcriptions)
- [OpenAI TTS-1](https://veselo.ai/models/openai/tts-1)
- [GPT Transcribe](https://veselo.ai/models/openai/gpt-transcribe)
- [OpenAI Whisper-1](https://veselo.ai/models/openai/whisper-1)
- [GPT Image 2.5 Flare](https://veselo.ai/studio/gpt-image-2-5-flare)
- [Все модели и цены](https://veselo.ai/models)

Факты сверены 16 ноября 2026 по документации: [developers.openai.com](https://developers.openai.com/api/docs/models/gpt-4o-transcribe-diarize)
