GPT-4o Transcribe vs GPT-4o Transcribe Diarize
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.
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, 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 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)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 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.