GPT-4o Transcribe Diarize vs Seed ASR
Qual usar e quando
Estes dois cobram em unidades diferentes - gpt-4o-transcribe-diarize a $6.25 por milhão de tokens de áudio de entrada mais $2.5 por milhão de tokens de texto, seed-asr-bigmodel a $0.002 fixos por minuto de áudio - então nenhuma conversão única entre eles é honesta. Ambos diarizam: o seed-asr-bigmodel aceita arquivos de até 5 horas e 512MB com carimbos de tempo por palavra, contra um limite de 25MB e um chunking_strategy obrigatório acima de 30 segundos do lado da OpenAI. Escolha o gpt-4o-transcribe-diarize para diarized_json dentro de um pipeline no formato OpenAI, o seed-asr-bigmodel para gravações longas cobradas por minuto.
Preços
| GPT-4o Transcribe Diarize | Seed ASR | Δ | |
|---|---|---|---|
| Por minuto de áudio | - | $0.002 | - |
| Entrada de áudio / 1M tokens | $6.25 | - | - |
| Saída de texto / 1M tokens | $2.5 | - | - |
Estes dois modelos cobram em unidades diferentes, então nenhum Δ é mostrado: converter uma na outra exigiria uma suposição que não medimos. Acima, os preços de cada um aparecem na sua própria unidade.
Capacidades
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| Diarização de locutor | sim | sim |
| Streaming | sim | sim |
| Timestamps | sim | sim |
Especificações
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| Modalidades de entrada | texto áudio | áudio |
| Modalidades de saída | texto | texto |
| Lançamento | 2025-10 | 2025-12-05 |
| Corte de conhecimento | 2024-06 | - |
| Limites | mp3/mp4/mpeg/mpga/m4a/wav/webm, até 25MB diarização de locutores integrada com saída diarized_json (rótulos de locutor + timestamps de segmento) chunking_strategy obrigatório para áudio >30s sem suporte a prompt | Modo assíncrono de arquivo de áudio: <512MB, <5 horas, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (PCM bruto também aceito), resultados retornados em até 3 horas e retidos por 7 dias diarização de locutores via enable_speaker_info (apenas na API de arquivo de áudio, melhor com <=10 locutores, sem diarização na API de streaming) segmentação por sentença e por palavra com start_time/end_time via show_utterances identificação de idioma via enable_lid hotwords/contexto de até 800 tokens e 20 rodadas cobrança por chamada |
| Idiomas | 57 idiomas listados para o endpoint de transcrições (uma lista única para todos os modelos de transcrição) códigos ISO 639-1 / 639-3 aceitos nos modelos baseados em GPT-4o | Com `language` vazio, o modelo cobre mandarim, inglês, cantonês, xangainês, minnan e os dialetos de Sichuan e Shaanxi 39 chaves de idioma podem ser fixadas explicitamente (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), além de detecção automática opcional (enable_auto_lang) |
| Saída máxima | 2.000 | - |
As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: GPT-4o Transcribe Diarize · Seed ASR
Troque de um para o outro mudando uma linha
Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.
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", # descomente esta linha, comente a linha acima
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", // descomente esta linha, comente a linha acima
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" \ # descomente esta linha, comente a linha acima
-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", // descomente esta linha, comente a linha acima
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") // descomente esta linha, comente a linha acima
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());Perguntas frequentes
Qual é mais barato, GPT-4o Transcribe Diarize ou Seed ASR?
Eles cobram em unidades diferentes, então não existe um número único que seja honesto: na tabela acima, GPT-4o Transcribe Diarize e Seed ASR aparecem cada um na sua unidade. Compare os dois na sua própria carga de trabalho; o trade-off na prática está descrito no veredito, no topo desta página.
Posso fazer um teste A/B de GPT-4o Transcribe Diarize contra Seed ASR sem duas integrações?
Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.
GPT-4o Transcribe Diarize e Seed ASR suportam diarização de locutor?
A tabela de capacidades acima responde modelo a modelo, direto da documentação de cada provedor. Diarização, streaming e timestamps aparecem em linhas separadas porque os modelos diferem nos três.