Разметка говорящих

Сервис умеет размечать говорящих (диаризация) и возвращать транскрипцию, где каждое слово привязано к спикеру (combined-режим). Ниже — когда что использовать и как читать результат.

Модели диаризации

Модель	Когда использовать	Число говорящих
`palatine_diarize` (по умолчанию)	Диалоги, звонки, встречи до 8 человек	до 8
`palatine_diarize_multi`	Совещания с большим числом участников; известно точное число говорящих	8–12+

Модель можно не указывать — тогда применяется palatine_diarize. Для записей с большим числом участников выбирайте palatine_diarize_multi и по возможности передавайте подсказку числа говорящих (num_speakers) — это стабилизирует разметку.

Подсказки числа говорящих (все опциональны): num_speakers — точное число, если известно; min_speakers / max_speakers — границы. Подсказки учитывает только palatine_diarize_multi: модель по умолчанию определяет число говорящих сама, поэтому если оно известно заранее, выбирайте palatine_diarize_multi с num_speakers.

У модели по умолчанию (palatine_diarize) жёсткий предел — 8 говорящих. Запрос с max_speakers больше 8 к ней вернёт 422. Для большего числа участников используйте palatine_diarize_multi.

Диаризация (только спикеры)

Разметка говорящих без транскрипции — эндпоинт /diarization/do_diarize, асинхронный (task_id → polling).

Отправить файл

cURL
Python

curl -X POST "https://api.palatine.ru/api/v1/diarization/do_diarize?model=palatine_diarize_multi&num_speakers=8" \
  -H "Authorization: Bearer <YOUR_TOKEN>" \
  -F "file=@meeting.mp3"
# → {"status": "scheduled", "task_id": "..."}

import requests

resp = requests.post(
    "https://api.palatine.ru/api/v1/diarization/do_diarize",
    params={"model": "palatine_diarize_multi", "num_speakers": 8},
    headers={"Authorization": "Bearer <YOUR_TOKEN>"},
    files={"file": open("meeting.mp3", "rb")},
)
task_id = resp.json()["task_id"]

Получить результат

curl "https://api.palatine.ru/api/v1/diarization/task_status/<task_id>" \
  -H "Authorization: Bearer <YOUR_TOKEN>"

В data.segments — интервалы речи с меткой говорящего (SPEAKER_00, SPEAKER_01, …). Флаг ?merge_segments=true схлопывает соседние сегменты одного говорящего.

Файл по ссылке (pre-signed S3 и т.п.) — те же параметры на /diarization/do_diarize_by_url (передайте source_url в теле запроса).

Транскрипция со спикерами (combined)

Чтобы получить текст + говорящих в одном ответе, добавьте параметр diarization_model к обычной транскрипции на /transcribe/do_transcribe.

cURL
Python

curl -X POST "https://api.palatine.ru/api/v1/transcribe/do_transcribe?diarization_model=palatine_diarize_multi&num_speakers=8" \
  -H "Authorization: Bearer <YOUR_TOKEN>" \
  -F "file=@meeting.mp3"
# → {"status": "scheduled", "task_id": "..."}

import requests

resp = requests.post(
    "https://api.palatine.ru/api/v1/transcribe/do_transcribe",
    params={"diarization_model": "palatine_diarize_multi", "num_speakers": 8},
    headers={"Authorization": "Bearer <YOUR_TOKEN>"},
    files={"file": open("meeting.mp3", "rb")},
)
task_id = resp.json()["task_id"]

Значения diarization_model: auto (сервис выберет сам), palatine_diarize (до 8), palatine_diarize_multi (много участников). Без параметра эндпоинт работает как обычная транскрипция — поведение существующих интеграций не меняется. К combined-режиму можно подключить роли говорящих, эмоции реплик и фильтр мата — см. Анализ звонка.

Combined-режим тарифицируется как две операции: транскрипция и диаризация.

Формат ответа

task_status возвращает транскрипцию со спикерами:

{
  "status": "success",
  "data": {
    "text": "Добрый день, коллеги. ...",
    "language": "ru",
    "duration": 612.4,
    "segments": [
      { "id": 0, "speaker": "SPEAKER_00", "start": 0.6, "end": 8.9, "text": "Добрый день, коллеги." }
    ],
    "words": [
      { "word": " Добрый", "start": 0.6, "end": 1.1, "speaker": "SPEAKER_00",
        "confidence": 0.98, "speaker_confidence": 0.95 }
    ],
    "models": {
      "transcription": "palatine_large_highspeed",
      "diarization_requested": "palatine_diarize_multi",
      "diarization_resolved": "palatine_diarize_multi"
    },
    "warnings": []
  }
}

Поле	Значение
`segments[]`	Реплики, перегруппированные по смене говорящего
`words[]`	Слова с привязкой к говорящему
`words[].confidence`	Уверенность распознавания слова, `[0, 1]`
`words[].speaker_confidence`	Уверенность привязки к говорящему, `[0, 1]`
`models.diarization_resolved`	Фактически применённая модель диаризации
`warnings[]`	Предупреждения обработки (участки без надёжной привязки и т.п.)

OpenAI-совместимый эндпоинт

На /audio/transcriptions (синхронный ответ) combined включается тем же параметром diarization_model, а формат ответа со спикерами — diarized_json:

curl -X POST "https://api.palatine.ru/api/v1/audio/transcriptions" \
  -H "Authorization: Bearer <YOUR_TOKEN>" \
  -F "file=@call.mp3" \
  -F "diarization_model=palatine_diarize_multi" \
  -F "num_speakers=5" \
  -F "response_format=diarized_json"

Синхронный combined-путь ограничен по длительности аудио (до 30 минут) — для более длинных записей используйте асинхронный /transcribe/do_transcribe.

Quick start

Technical information

Разметка говорящих

Модели диаризации

Диаризация (только спикеры)

Транскрипция со спикерами (combined)

Формат ответа

OpenAI-совместимый эндпоинт

​Модели диаризации

​Диаризация (только спикеры)

​Транскрипция со спикерами (combined)

​Формат ответа

​OpenAI-совместимый эндпоинт

Модели диаризации

Диаризация (только спикеры)

Транскрипция со спикерами (combined)

Формат ответа

OpenAI-совместимый эндпоинт