GPT-4o Transcribe vs GPT-4o Transcribe Diarize
Quale scegliere e quando — verdetto curato, non una tabella di benchmark
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.
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× |
Le tariffe provengono dal catalogo live al momento della build; la pagina di ciascun modello riporta la scheda attuale.
Capacità
| 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 |
| Cutoff di conoscenza | 2024-06 | 2024-06 |
| Limiti | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB streaming transcription supported (incl. Realtime transcription sessions) json/text output only no word timestamps or diarization | 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 |
| Lingue | 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 | 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 |
| Output massimo | 2K | 2K |
Le specifiche sono trascritte dalla documentazione di ciascun fornitore; una riga che un fornitore non pubblica viene omessa anziché essere dedotta. Fonti complete: GPT-4o Transcribe · GPT-4o Transcribe Diarize
Passa dall'uno all'altro con una sola riga
Entrambi gli id sono presenti in ogni scheda qui sotto — la coppia di righe evidenziata è 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)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",
// model: "gpt-4o-transcribe-diarize", // decommenta questa riga, commenta quella sopra
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" \
# -F model="gpt-4o-transcribe-diarize" \ # decommenta questa riga, commenta quella sopra
-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",
// Model: "gpt-4o-transcribe-diarize", // decommenta questa riga, commenta quella sopra
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")
// .model("gpt-4o-transcribe-diarize") // decommenta questa riga, commenta quella sopra
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Qual è più economico, GPT-4o Transcribe o GPT-4o Transcribe Diarize?
GPT-4o Transcribe è più economico per input audio / 1m token ($6 contro $6.25, 1.0× di differenza). Altre righe potrebbero indicare il contrario — la tabella sopra riporta la scheda completa, e il costo reale dipende dal tuo mix.
Posso fare un A/B test di GPT-4o Transcribe contro GPT-4o Transcribe Diarize senza due integrazioni?
Sì. Entrambi sono serviti tramite lo stesso endpoint compatibile con OpenAI con una singola chiave API — il passaggio richiede la modifica della stringa del modello in una sola riga, quindi puoi instradare una frazione del traffico verso ciascuno e confrontare direttamente le fatture.
GPT-4o Transcribe e GPT-4o Transcribe Diarize supportano la diarizzazione dei parlanti?
La tabella delle funzionalità sopra risponde a questa domanda per ogni modello, direttamente dalla documentazione di ciascun fornitore — diarizzazione, streaming e timestamp sono elencati separatamente perché i modelli differiscono su tutti e tre.