GPT-4o Transcribe Diarize - MixRoute API

GPT-4o Transcribe Diarizeは、話者分離機能を備えたOpenAIの音声文字起こしモデルです。以下のエンドポイントを使用し、MixRouteを通じてgpt-4o-transcribe-diarizeを呼び出します。

主な機能

音声からテキストへ - アップロードした音声ファイルを文字起こしします
マルチパートアップロード - 元ファイルをフォームデータとして送信
出力形式 - モデル固有のレスポンス形式をサポート
話者分離 - 各区間で誰が話したかをラベル付け
セグメントのタイムスタンプ - 各話者の発話ターンの開始時刻と終了時刻を返します

簡単な使用例

cURL
Python

curl "https://api.mixroute.ai/v1/audio/transcriptions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@speech.wav" \
  -F "model=gpt-4o-transcribe-diarize" \
  -F "response_format=diarized_json" \
  -F "chunking_strategy=auto"

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.mixroute.ai/v1")

with open("speech.wav", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="gpt-4o-transcribe-diarize",
        file=audio_file,
        response_format="diarized_json",
        chunking_strategy="auto",
    )

print(transcript)

パラメータ

パラメーター	型	必須	説明
`file`	file	はい	multipartフォームデータとしてアップロードする音声ファイル。
`model`	string	はい	`gpt-4o-transcribe-diarize`である必要があります。
`language`	string	いいえ	対応している場合の入力言語コード。
`prompt`	string	いいえ	文字起こしの指針となる任意のテキスト。
`response_format`	string	はい	話者ラベル付きのセグメントを返すには、diarized_jsonに設定してください。
`chunking_strategy`	string \| object	いいえ	autoを使用するか、独自の音声分割方法を指定します。