GPT-4o Transcribe vs Whisper v1

vs

Lequel choisir, et quand

Ces deux-là facturent dans des unités différentes - whisper-1 à $0.006 par minute d'audio, gpt-4o-transcribe à $6 par million de tokens audio en entrée plus $2.5 et $10 par million de tokens texte - donc aucune conversion unique entre eux n'est honnête. whisper-1 est celui qui offre les horodatages au mot et au segment, la sortie srt/vtt et le point de terminaison de traduction, mais il ne diffuse pas ; gpt-4o-transcribe diffuse, y compris en sessions de transcription temps réel, et ne renvoie que du json ou du texte. Prenez whisper-1 pour les sous-titres et la traduction, gpt-4o-transcribe pour du direct.

Benchmarks

Whisper v1 : le fournisseur n'a publié aucun résultat de benchmark.

Au-dessus de la moyenneGPT-4o Transcribeseulement 1 comparables
GPT-4o Transcribe Whisper v1 autres modèles mesurés moyenne des modèles comparés ★ aucun autre modèle n'a fait mieux
WenetSpeech test-net (CER)
15.3%
N/A

Chiffres publiés par les fournisseurs : Alibaba (Qwen) ByteDance Google OpenAI

Tarifs

GPT-4o Transcribe Whisper v1 Δ
Par minute d'audio - $0.006 -
Entrée audio / 1M de tokens $6 - -
Sortie texte / 1M de tokens $10 - -

Ces deux modèles ne sont pas facturés dans la même unité : aucun Δ n'est donc affiché, car les convertir supposerait une hypothèse que nous n'avons pas mesurée. Chaque grille tarifaire figure ci-dessus dans sa propre unité.

Capacités

GPT-4o Transcribe Whisper v1
Diarisation des locuteurs non non
Streaming oui non
Horodatages non oui

Spécifications

GPT-4o Transcribe Whisper v1
Modalités d'entrée texte audio audio
Modalités de sortie texte texte
Date de sortie 2025-03-20 2023-03-01
Coupure des connaissances 2024-06 -
Limites

mp3/mp4/mpeg/mpga/m4a/wav/webm, jusqu'à 25 Mo

transcription en streaming prise en charge (y compris les sessions de transcription Realtime)

sortie json/text uniquement

pas d'horodatages de mots ni de diarisation

mp3/mp4/mpeg/mpga/m4a/wav/webm, jusqu'à 25 Mo

horodatages au niveau du mot et du segment (verbose_json), sortie srt/vtt

pas de streaming

seul modèle pris en charge sur l'endpoint de traductions (vers l'anglais)

Langues

57 langues listées pour l'endpoint de transcriptions (une liste unique partagée par tous les modèles de transcription)

codes ISO 639-1 / 639-3 acceptés pour les modèles basés sur GPT-4o

Entraîné sur 98 langues

57 listées comme prises en charge, celles qui atteignaient le seuil d'OpenAI d'un taux d'erreur sur les mots inférieur à 50 % sur les endpoints transcriptions et translations

Sortie maximale 2 000 -

Les spécifications sont reprises de la documentation de chaque fournisseur ; quand un fournisseur ne publie pas une valeur, la ligne est omise et non déduite. Sources complètes : GPT-4o Transcribe · Whisper v1

Passez de l'un à l'autre en changeant une seule ligne

Les deux identifiants figurent dans chaque onglet ci-dessous : les deux lignes surlignées sont le seul changement. Même endpoint, même clé, même format de requête.

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",
    # model="whisper-1",  # décommentez cette ligne, commentez celle du dessus
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Obtenez votre clé API →

FAQ

Lequel est le moins cher, GPT-4o Transcribe ou Whisper v1 ?

Ils ne sont pas facturés dans la même unité, il n'existe donc pas de chiffre unique qui soit honnête : dans le tableau ci-dessus, GPT-4o Transcribe et Whisper v1 apparaissent chacun dans sa propre unité. Comparez-les sur votre charge de travail réelle. Le verdict en haut de cette page décrit le compromis en pratique.

Puis-je faire un test A/B entre GPT-4o Transcribe et Whisper v1 sans deux intégrations ?

Oui. Les deux passent par le même endpoint compatible OpenAI, avec une seule clé API. Pour passer de l'un à l'autre, il suffit de changer l'identifiant du modèle, soit une ligne : vous pouvez donc envoyer une part du trafic à chacun et comparer directement les factures.

GPT-4o Transcribe et Whisper v1 prennent-ils en charge la diarisation des locuteurs ?

Le tableau des capacités ci-dessus répond modèle par modèle, d'après la documentation de chaque fournisseur. La diarisation, le streaming et les horodatages y figurent séparément, car les modèles diffèrent sur ces trois points.

Comparatifs associés

Nos études, mesures à l'appui