Открыть в интерактивной справке · markdown для агентов: https://neuraldeep.ru/docs/diarize.md

Диаризация · кто когда говорил

Тем же ключом — разметка записи по спикерам под /v1/audio/diarize: аудио → отрезки «кто когда говорил». Модель Nemotron-3-Diarization на наших GPU в РФ, до 8 спикеров, любой аудиоформат (WAV, MP3, OGG, M4A и другие), файл до 500 МБ и до 4 часов. Текст модель не распознаёт: для стенограммы по спикерам склейте ответ с /v1/audio/transcriptions по времени. Отдельная корзина — лимит считается в минутах аудио, округление вверх.

curl -s https://api.neuraldeep.ru/v1/audio/diarize \
  -H "Authorization: Bearer $NEURALDEEP_API_KEY" \
  -F file=@meeting.mp3

Ответ:

{"duration": 61.0, "num_speakers": 2, "minutes_charged": 2,
 "segments": [{"speaker": "SPEAKER_0", "start": 1.1, "end": 5.75},
              {"speaker": "SPEAKER_1", "start": 17.28, "end": 21.26}]}

Номера спикеров идут по порядку первого появления. Поля формы: response_format=rttm вернёт стандартный RTTM, min_duration=0.3 выбросит обрывки короче 0.3 с. Остаток минут: GET /v1/audio/diarize/quota, в блоках day и month поля used, limit, remaining и reset_at, как у поиска, OCR и картинок.

Ограничения на вход и ошибки. Пустой файл 400, файл больше 500 МБ 413, запись длиннее 4 часов 413, нечитаемое аудио 400, response_format кроме json и rttm даёт 400. Ответ должен уложиться в 300 секунд. Кончились минуты: 429 с X-Quota-Pool, X-Quota-Scope, X-Quota-Reset и Retry-After. Пустой кошелёк у ключа в режиме «Кошелёк»: 402. Сбой на нашей стороне: 502.

Модель обучена без русского; на русской речи разметка спикеров и смен у нас совпала с эталоном, но первые секунды реплики иногда остаются без спикера.

Разделы справки (markdown для агентов)