GPT-4o Transcribe Diarize vs Seed ASR
Qual usar, quando — veredito curado, não uma tabela de benchmark
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 | — | — |
Esses dois modelos cobram em unidades diferentes, portanto, nenhum Δ é mostrado — a conversão entre eles exigiria uma suposição que não medimos. Cada cartão está listado em sua própria unidade acima.
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 | — |
| Corte de conhecimento | 2024-06 | — |
| Limites | 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 | Async audio-file mode: <512MB, <5 hours, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (raw PCM also accepted), results returned within 3 hours and retained 7 days speaker diarization via enable_speaker_info (audio-file API only, best with <=10 speakers, no diarization on the streaming API) sentence + word segmentation with start_time/end_time via show_utterances language identification via enable_lid hotwords/context up to 800 tokens and 20 rounds per-call billing |
| Idiomas | 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 | With `language` empty the model covers Mandarin, English, Cantonese, Shanghainese, Minnan, Sichuan and Shaanxi dialects 39 language keys can be pinned explicitly (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), plus optional auto-detection (enable_auto_lang) |
| Saída máxima | 2K | — |
As especificações são transcritas da documentação de cada fornecedor; uma linha que um fornecedor não publica é omitida em vez de ser inferida. Fontes completas: GPT-4o Transcribe Diarize · Seed ASR
Alterne entre eles com uma linha
Ambos os IDs estão em todas as abas abaixo — o par de linhas destacado é a única edição. Mesmo endpoint, mesma chave, mesmo formato de requisição.
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());FAQ
Qual é mais barato, GPT-4o Transcribe Diarize ou Seed ASR?
Eles cobram em unidades diferentes, então não há um único número honesto: GPT-4o Transcribe Diarize e Seed ASR aparecem cada um em sua própria unidade na tabela acima. Compare-os em sua própria carga de trabalho — o trade-off prático 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. Ambos são servidos pelo mesmo endpoint compatível com OpenAI com uma única chave de API — a troca é uma alteração de uma linha na string do modelo, de modo que você pode rotear uma fração do tráfego para cada um e comparar as faturas diretamente.
GPT-4o Transcribe Diarize e Seed ASR suportam diarização de locutor?
A tabela de capacidades acima responde a isso por modelo, direto da documentação de cada fornecedor — diarização, streaming e timestamps são listados separadamente porque os modelos diferem nos três.