GPT-4o Transcribe vs GPT-4o Transcribe Diarize

vs

Quale scegliere e quando

Stessi $2.5 per milione in ingresso testo e stesso contesto da 16000 token; la variante diarize costa un po' di più sull'audio ($6.25 contro $6 per milione di token audio in ingresso) e molto meno sull'uscita testuale ($2.5 contro $10). Ciò che aggiunge è la diarizzazione con diarized_json - etichette di parlante e timestamp di segmento - al prezzo di un chunking_strategy obbligatorio oltre i 30 secondi e della perdita del supporto a prompt. Scegli gpt-4o-transcribe per trascrizioni in streaming, la variante diarize quando devi sapere chi ha parlato.

Benchmark

GPT-4o Transcribe Diarize: il provider non ha pubblicato risultati di benchmark.

Sopra la mediaGPT-4o Transcribesolo 1 confrontabili
GPT-4o Transcribe GPT-4o Transcribe Diarize altri modelli misurati media dei modelli confrontati ★ nessun altro modello ha fatto meglio
WenetSpeech test-net (CER)
15.3%
N/A

Dati pubblicati dai provider: Alibaba (Qwen) ByteDance Google OpenAI

Prezzi

GPT-4o Transcribe GPT-4o Transcribe Diarize Δ
Input audio / 1M token $6 $6.25 0.96×
Output di testo / 1M token $10 $2.5 4×

Tariffe lette dal catalogo live al momento della build; il listino aggiornato è sulla pagina di ciascun modello.

Funzionalità

GPT-4o Transcribe GPT-4o Transcribe Diarize
Diarizzazione dei parlanti no sì
Streaming sì sì
Timestamp no sì

Specifiche

GPT-4o Transcribe GPT-4o Transcribe Diarize
Modalità di input testo audio testo audio
Modalità di output testo testo
Rilascio 2025-03-20 2025-10
Knowledge cutoff 2024-06 2024-06
Limiti

mp3/mp4/mpeg/mpga/m4a/wav/webm, fino a 25MB

trascrizione in streaming supportata (incl. le sessioni di trascrizione Realtime)

solo output json/text

nessun timestamp di parola né diarizzazione

mp3/mp4/mpeg/mpga/m4a/wav/webm, fino a 25MB

diarizzazione dei parlanti integrata con output diarized_json (etichette dei parlanti + timestamp dei segmenti)

chunking_strategy obbligatorio per audio >30s

nessun supporto per il prompt

Lingue

57 lingue elencate per l'endpoint di trascrizione (un unico elenco condiviso da tutti i modelli di trascrizione)

codici ISO 639-1 / 639-3 accettati per i modelli basati su GPT-4o

57 lingue elencate per l'endpoint di trascrizione (un unico elenco condiviso da tutti i modelli di trascrizione)

codici ISO 639-1 / 639-3 accettati per i modelli basati su GPT-4o

Output massimo 2.000 2.000

Le specifiche sono riprese dalla documentazione di ciascun provider; se un provider non pubblica un dato, la riga viene omessa e non dedotta. Fonti complete: GPT-4o Transcribe · GPT-4o Transcribe Diarize

Passa dall'uno all'altro cambiando una sola riga

In ogni scheda qui sotto ci sono entrambi gli id: le due righe evidenziate sono l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.

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="gpt-4o-transcribe-diarize",  # decommenta questa riga, commenta quella sopra
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Ottieni la tua chiave API →

FAQ

Qual è il più economico, GPT-4o Transcribe o GPT-4o Transcribe Diarize?

GPT-4o Transcribe costa meno alla voce Input audio / 1M token ($6 contro $6.25, 1.0× di differenza). Altre voci potrebbero dire il contrario: la tabella qui sopra riporta il listino completo, e il costo reale dipende dal tuo mix di utilizzo.

Posso fare un A/B test di GPT-4o Transcribe contro GPT-4o Transcribe Diarize senza due integrazioni?

Sì. Si chiamano entrambi dallo stesso endpoint compatibile con OpenAI, con una sola chiave API. Per passare dall'uno all'altro basta cambiare la stringa del modello in una riga, quindi puoi mandare una parte del traffico a ciascuno e confrontare direttamente i costi.

GPT-4o Transcribe e GPT-4o Transcribe Diarize supportano la diarizzazione dei parlanti?

La risposta, modello per modello, è nella tabella delle funzionalità qui sopra, ripresa direttamente dalla documentazione di ciascun provider. Diarizzazione, streaming e timestamp sono voci separate perché i modelli si differenziano su tutte e tre.

Confronti correlati

Dai nostri studi con dati misurati