Transcrição JSON — exemplo e formato aceito

Página do campo "transcrição JSON" do Playground. Explica o exemplo (demo) que já vem carregado no campo e quais campos o seu JSON precisa ter para alimentar o diagnóstico e a auditoria de risco.

Como usar (arrastar ou editar)

O campo já vem com um exemplo real (demo) — dá para rodar diagnóstico e auditoria sem montar nada.
Arraste um arquivo .json para o campo ou clique para escolher; como alternativa, edite o texto no próprio campo.
O campo aceita apenas JSON válido — texto puro ou JSON inválido mostra erro.
O mesmo JSON alimenta o diagnóstico e a auditoria de risco; a auditoria exige dialog diarizado (com falantes e tempos).

Clique no chip da transcrição JSON para abrir o painel completo: nele ficam os detalhes deste conteúdo (os campos que você pode editar e enviar). Cada tipo de arquivo tem os seus próprios detalhes — explore para aprender e aproveitar tudo.

Campos de topo

modelstringnão

Varia por endpoint e é SUBSTITUÍDO automaticamente: diagnóstico = falaai-diagnostic-1; auditoria = falaai-risk-audit-1. Pode deixar "" (vazio) no JSON — o valor correto entra no request de cada endpoint. Outro valor retorna 400 invalid_model.

textstringnão

SÓ diagnóstico. Transcrição CORRIDA (sem diarização); fallback quando não há dialog. Na auditoria o campo NÃO é aceito (retorna 422) — a auditoria exige dialog diarizado. Máx 300.000 chars.

dialogstringnão/SIM

Transcrição DIARIZADA por turno. Diagnóstico: opcional (alternativo ao text). Auditoria: OBRIGATÓRIA (só aceita diarizado). Rótulos aceitos: Speaker/Interlocutor/Hablante/Locutor/Orador N. Máx 300.000 chars. Ex.: "Speaker 1: [00:00:00.540 - 00:00:01.139] Bom dia."

audio_eventsarraynão

Eventos de áudio com timestamp (ver subcampos abaixo). Recomendado quando usa dialog.

languagestringSIM

Idioma da ENTRADA (áudio/transcrição). Diagnóstico: 20 idiomas; auditoria: só pt-BR/en-US/es-ES. Vazio/fora retorna 400 invalid_language. Ex.: "pt-BR".

response_languagestringnão/SIM

Idioma da SAÍDA (rótulos/categorias/níveis). Diagnóstico: opcional (se omitido usa language), 20 idiomas; auditoria: OBRIGATÓRIO, só 3. Ex.: "en-US".

duration_secondsnumbernão/SIM

Duração total em segundos (>= 1.0). No diagnóstico com SÓ text é OPCIONAL e NÃO é usada; com dialog é obrigatória e deve ser >= o fim do último turno. Na auditoria é OBRIGATÓRIA. Ex.: 151.0.

client_reference_idstringnão

ID livre ecoado verbatim na resposta (não é idempotência). Charset [A-Za-z0-9 _/:.-], máx 60. Ex.: "call20260830001".

call_direction'inbound' | 'outbound'não

SÓ auditoria. inbound = cliente ligou; outbound = empresa ligou. Omitido: a IA infere. Ex.: "inbound".

participantsarraynão

SÓ auditoria (ver subcampos abaixo). Se enviado, é verdade absoluta (sem inferência).

response_format'v2'não

SÓ auditoria. v2 = blocos estruturados EN-US (único valor aceito). Ex.: "v2".

audio_events[] — subcampos

eventstringSIM

Tipo do evento em colchetes; não pode ser vazio. Ex.: "[suspiro]", "[som de tosse]".

start_snumber | nullnão

Início em segundos. Use null (nunca ""). Ex.: 72.98.

end_snumber | nullnão

Fim em segundos; deve ser >= start_s e <= duration_seconds. Ex.: 74.34.

duration_snumber | nullnão

Duração em segundos. Ex.: 1.36.

formatted_timestampstring | nullnão

HH:MM:SS.ms; a API RECALCULA a partir de start_s. Ex.: "00:01:12.980".

participants[] — subcampos (só auditoria)

interlocutorstringSIM

Igual ao rótulo EXATO usado no dialog. Ex.: "Speaker 1".

namestring | nullnão

Nome do participante (humaniza o relatório). Ex.: "Antonio".

role'agent' | 'client' | 'bot' | nullnão/SIM

Papel do participante. Ex.: "client". No diagnóstico é OPCIONAL: se ausente/null, a API identifica o papel automaticamente; na auditoria é OBRIGATÓRIO.

Idiomas aceitos

language = idioma da ENTRADA (áudio/transcrição). response_language = idioma da SAÍDA (rótulos, categorias, níveis, ações). O relatório HTML sai apenas em português, inglês e espanhol.

Diagnóstico — language: os 21 códigos abaixo; response_language: os mesmos 21 (opcional).
Auditoria de risco — language e response_language: apenas pt-BR, en-US, es-ES.

en-USInglês (EUA)

en-GBInglês (Reino Unido)

es-ESEspanhol (Espanha)

es-MXEspanhol (México)

pt-BRPortuguês (Brasil)

pt-PTPortuguês (Portugal)

fr-FRFrancês

de-DEAlemão

it-ITItaliano

zh-CNChinês (simplificado)

ja-JPJaponês

ko-KRCoreano

ar-SAÁrabe

hi-INHindi

ru-RURusso

id-IDIndonésio

tr-TRTurco

nl-NLHolandês

pl-PLPolonês

vi-VNVietnamita

th-THTailandês

Formas curtas (pt, en, es, fr, de, it, ja, ko, nl, pl, ru, tr, zh, vi, id, th, ar, hi) também são aceitas e normalizadas para o código completo.

Regras

Diagnóstico: pelo menos um de dialog ou text. Auditoria: dialog diarizado OBRIGATÓRIO (o campo text NÃO é aceito).
extra="forbid": no diagnóstico NÃO envie call_direction, participants nem response_format (retorna 422).
Números: nunca use "" — use number ou null; duration_seconds (quando enviado) sempre number >= 1; com dialog deve ser >= o fim do último turno.
end_s deve ser >= start_s e <= duration_seconds.
formatted_timestamp é recalculado pela API a partir de start_s.
Charset de client_reference_id: [A-Za-z0-9 _/:.-], máx 60.

Como usar (arrastar ou editar)

O campo já vem com um exemplo real (demo) — dá para rodar diagnóstico e auditoria sem montar nada.

Arraste um arquivo .json para o campo ou clique para escolher; como alternativa, edite o texto no próprio campo.

O campo aceita apenas JSON válido — texto puro ou JSON inválido mostra erro.

O mesmo JSON alimenta o diagnóstico e a auditoria de risco; a auditoria exige dialog diarizado (com falantes e tempos).

Campos de topo

modelstringnão

textstringnão

dialogstringnão/SIM

audio_eventsarraynão

Eventos de áudio com timestamp (ver subcampos abaixo). Recomendado quando usa dialog.

languagestringSIM

Idioma da ENTRADA (áudio/transcrição). Diagnóstico: 20 idiomas; auditoria: só pt-BR/en-US/es-ES. Vazio/fora retorna 400 invalid_language. Ex.: "pt-BR".

response_languagestringnão/SIM

Idioma da SAÍDA (rótulos/categorias/níveis). Diagnóstico: opcional (se omitido usa language), 20 idiomas; auditoria: OBRIGATÓRIO, só 3. Ex.: "en-US".

duration_secondsnumbernão/SIM

client_reference_idstringnão

ID livre ecoado verbatim na resposta (não é idempotência). Charset [A-Za-z0-9 _/:.-], máx 60. Ex.: "call20260830001".

call_direction'inbound' | 'outbound'não

SÓ auditoria. inbound = cliente ligou; outbound = empresa ligou. Omitido: a IA infere. Ex.: "inbound".

participantsarraynão

SÓ auditoria (ver subcampos abaixo). Se enviado, é verdade absoluta (sem inferência).

response_format'v2'não

SÓ auditoria. v2 = blocos estruturados EN-US (único valor aceito). Ex.: "v2".

audio_events[] — subcampos

eventstringSIM

Tipo do evento em colchetes; não pode ser vazio. Ex.: "[suspiro]", "[som de tosse]".

start_snumber | nullnão

Início em segundos. Use null (nunca ""). Ex.: 72.98.

end_snumber | nullnão

Fim em segundos; deve ser >= start_s e <= duration_seconds. Ex.: 74.34.

duration_snumber | nullnão

Duração em segundos. Ex.: 1.36.

formatted_timestampstring | nullnão

HH:MM:SS.ms; a API RECALCULA a partir de start_s. Ex.: "00:01:12.980".

participants[] — subcampos (só auditoria)

interlocutorstringSIM

Igual ao rótulo EXATO usado no dialog. Ex.: "Speaker 1".

namestring | nullnão

Nome do participante (humaniza o relatório). Ex.: "Antonio".

role'agent' | 'client' | 'bot' | nullnão/SIM

Papel do participante. Ex.: "client". No diagnóstico é OPCIONAL: se ausente/null, a API identifica o papel automaticamente; na auditoria é OBRIGATÓRIO.

Idiomas aceitos

Diagnóstico — language: os 21 códigos abaixo; response_language: os mesmos 21 (opcional).

Auditoria de risco — language e response_language: apenas pt-BR, en-US, es-ES.

en-USInglês (EUA)

en-GBInglês (Reino Unido)

es-ESEspanhol (Espanha)

es-MXEspanhol (México)

pt-BRPortuguês (Brasil)

pt-PTPortuguês (Portugal)

fr-FRFrancês

de-DEAlemão

it-ITItaliano

zh-CNChinês (simplificado)

ja-JPJaponês

ko-KRCoreano

ar-SAÁrabe

hi-INHindi

ru-RURusso

id-IDIndonésio

tr-TRTurco

nl-NLHolandês

pl-PLPolonês

vi-VNVietnamita

th-THTailandês

Formas curtas (pt, en, es, fr, de, it, ja, ko, nl, pl, ru, tr, zh, vi, id, th, ar, hi) também são aceitas e normalizadas para o código completo.

Regras

Diagnóstico: pelo menos um de dialog ou text. Auditoria: dialog diarizado OBRIGATÓRIO (o campo text NÃO é aceito).
extra="forbid": no diagnóstico NÃO envie call_direction, participants nem response_format (retorna 422).
Números: nunca use "" — use number ou null; duration_seconds (quando enviado) sempre number >= 1; com dialog deve ser >= o fim do último turno.
end_s deve ser >= start_s e <= duration_seconds.
formatted_timestamp é recalculado pela API a partir de start_s.
Charset de client_reference_id: [A-Za-z0-9 _/:.-], máx 60.