GPT-4o Transcribe Diarize vs Seed ASR
Cuál usar y cuándo — veredicto seleccionado, no una tabla de benchmarks
Estos dos facturan en unidades distintas — gpt-4o-transcribe-diarize a $6.25 por millón de tokens de audio de entrada más $2.5 por millón de tokens de texto, seed-asr-bigmodel a $0.002 por minuto de audio — así que ninguna conversión única entre ellos es honesta. Ambos diarizan: seed-asr-bigmodel acepta archivos de hasta 5 horas y 512MB con marcas de tiempo por palabra, frente a un límite de 25MB y un chunking_strategy obligatorio por encima de 30 segundos en el lado de OpenAI. Elige gpt-4o-transcribe-diarize para diarized_json dentro de una tubería con forma de OpenAI, seed-asr-bigmodel para grabaciones largas facturadas por minuto.
Precios
| GPT-4o Transcribe Diarize | Seed ASR | Δ | |
|---|---|---|---|
| Por minuto de audio | — | $0.002 | — |
| Entrada de audio / 1M tokens | $6.25 | — | — |
| Salida de texto / 1M tokens | $2.5 | — | — |
Estos dos modelos facturan en unidades diferentes, por lo que no se muestra ningún Δ — convertirlas requeriría una suposición que no hemos medido. Cada ficha aparece arriba en su propia unidad.
Capacidades
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| Diarización de hablantes | sí | sí |
| Streaming | sí | sí |
| Marcas de tiempo | sí | sí |
Especificaciones
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| Modalidades de entrada | texto audio | audio |
| Modalidades de salida | texto | texto |
| Lanzamiento | 2025-10 | — |
| Límite de conocimiento | 2024-06 | — |
| Límites | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB built-in speaker diarization with diarized_json output (speaker labels + segment timestamps) chunking_strategy required for audio >30s no prompt support | Async audio-file mode: <512MB, <5 hours, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (raw PCM also accepted), results returned within 3 hours and retained 7 days speaker diarization via enable_speaker_info (audio-file API only, best with <=10 speakers, no diarization on the streaming API) sentence + word segmentation with start_time/end_time via show_utterances language identification via enable_lid hotwords/context up to 800 tokens and 20 rounds per-call billing |
| Idiomas | 57 languages listed for the transcriptions endpoint (one shared list for all transcription models) ISO 639-1 / 639-3 codes accepted for GPT-4o-based models | With `language` empty the model covers Mandarin, English, Cantonese, Shanghainese, Minnan, Sichuan and Shaanxi dialects 39 language keys can be pinned explicitly (en-US, zh-CN, yue-CN, ja-JP, ko-KR, id-ID, es-MX, pt-BR, de-DE, fr-FR, fil-PH, ms-MY, th-TH, ar-SA, it-IT, bn-BD, el-GR, nl-NL, ru-RU, tr-TR, vi-VN, pl-PL, ro-RO, uk-UA, az-AZ, bg-BG, cs-CZ, da-DK, fi-FI, hi-IN, hu-HU, kk-KZ, km-KH, my-MM, no-NO, pa-PK, sv-SE, sw-KE, ur-PK), plus optional auto-detection (enable_auto_lang) |
| Salida máxima | 2K | — |
Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica una fila, se omite en lugar de inferirse. Fuentes completas: GPT-4o Transcribe Diarize · Seed ASR
Cambia entre ellos con una línea
Ambos IDs están en cada pestaña a continuación — el par de líneas resaltadas es la única edición. Mismo endpoint, misma clave, misma estructura de solicitud.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="gpt-4o-transcribe-diarize",
# model="seed-asr-bigmodel", # descomenta esta línea, comenta la de arriba
file=open("meeting.mp3", "rb"),
language="en",
)
print(resp.text)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "gpt-4o-transcribe-diarize",
// model: "seed-asr-bigmodel", // descomenta esta línea, comenta la de arriba
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="gpt-4o-transcribe-diarize" \
# -F model="seed-asr-bigmodel" \ # descomenta esta línea, comenta la de arriba
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "gpt-4o-transcribe-diarize",
// Model: "seed-asr-bigmodel", // descomenta esta línea, comenta la de arriba
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("gpt-4o-transcribe-diarize")
// .model("seed-asr-bigmodel") // descomenta esta línea, comenta la de arriba
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());Preguntas frecuentes
¿Cuál es más barato, GPT-4o Transcribe Diarize o Seed ASR?
Facturan en unidades diferentes, por lo que no hay un único número representativo: GPT-4o Transcribe Diarize y Seed ASR aparecen cada uno en su propia unidad en la tabla anterior. Compárelos en su propia carga de trabajo — el compromiso práctico se describe en el veredicto en la parte superior de esta página.
¿Puedo hacer pruebas A/B de GPT-4o Transcribe Diarize frente a Seed ASR sin dos integraciones?
Sí. Ambos se sirven a través del mismo endpoint compatible con OpenAI con una clave API — el cambio es una modificación de una línea en la cadena del modelo, por lo que puede enrutar una fracción del tráfico a cada uno y comparar las facturas directamente.
¿Soportan GPT-4o Transcribe Diarize y Seed ASR la diarización de hablantes?
La tabla de capacidades anterior responde a esto por modelo, directamente desde la documentación de cada proveedor — la diarización, el streaming y las marcas de tiempo se listan por separado porque los modelos difieren en los tres.