Fun-ASR Flash vs GPT-4o Transcribe Diarize
什麼情況選哪一個
兩者皆為純轉錄模型,但計費單位不同 —— fun-asr-flash 每音訊分鐘收費 $0.0021,而 gpt-4o-transcribe-diarize 每百萬音訊輸入 token 收費 $6.25,因此兩者之間無法以單一標準公允換算。針對 5 分鐘或 2GB 以下單純的同步任務,請選擇 fun-asr-flash,其支援 30+ 種語言,具備領域術語上下文注入,但不提供語者分段功能。當您需要內建語者分段功能,包含 diarized_json 語者標籤與段落時間戳記,且能接受其 25MB 檔案上限、16000-token 上下文,以及針對超過 30s 音訊所需的 chunking_strategy 時,請選擇 gpt-4o-transcribe-diarize。
定價
| Fun-ASR Flash | GPT-4o Transcribe Diarize | Δ | |
|---|---|---|---|
| 每分鐘音訊 | $0.0021 | - | - |
| 音訊輸入 / 1M tokens | - | $6.25 | - |
| 文字輸出 / 1M tokens | - | $2.5 | - |
這兩個模型的計費單位不同,所以不顯示 Δ:要在兩者之間換算,就得套用一個我們沒有實測過的假設。上方的價目各自以原本的單位列出。
功能
| Fun-ASR Flash | GPT-4o Transcribe Diarize | |
|---|---|---|
| 語者分離 | 否 | 是 |
| 串流 | 是 | 是 |
| 時間戳記 | - | 是 |
規格
| Fun-ASR Flash | GPT-4o Transcribe Diarize | |
|---|---|---|
| 輸入模態 | 音訊 | 文字 音訊 |
| 輸出模態 | 文字 | 文字 |
| 發布日期 | 2026-06 | 2025-10 |
| 知識截止日期 | - | 2024-06 |
| 限制 | 同步快速辨識,單條音訊不超過 5 分鐘 / 2GB;可注入上下文以處理領域術語;30 多種語言;不支援語者分離 | mp3/mp4/mpeg/mpga/m4a/wav/webm,最大 25MB;內建語者分離並輸出 diarized_json(說話者標籤與分段時間戳);音訊超過 30 秒時必須設定 chunking_strategy;不支援 prompt |
| 語言 | 多語言並涵蓋方言:與 Fun-ASR 主版本相同的 30 種語言清單:中文(普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語以及各地口音)、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、義大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅埃西亞語、斯洛伐克語 | 轉寫端點列出 57 種語言(所有轉寫模型共用同一份清單);基於 GPT-4o 的模型接受 ISO 639-1 / 639-3 代碼 |
| 最大輸出 | - | 2,000 |
規格摘錄自各供應商的文件;供應商沒有公布的項目就直接略過,不自行推測。 完整來源: Fun-ASR Flash · GPT-4o Transcribe Diarize
改一行程式碼就能在兩者之間切換
下面每個頁籤都列了這兩個模型 ID,要改的只有醒目標示的那兩行。端點、金鑰和請求格式都不變。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="fun-asr-flash",
# model="gpt-4o-transcribe-diarize", # 取消這一行的註解,並把上一行註解掉
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: "fun-asr-flash",
// model: "gpt-4o-transcribe-diarize", // 取消這一行的註解,並把上一行註解掉
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="fun-asr-flash" \
# -F model="gpt-4o-transcribe-diarize" \ # 取消這一行的註解,並把上一行註解掉
-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: "fun-asr-flash",
// Model: "gpt-4o-transcribe-diarize", // 取消這一行的註解,並把上一行註解掉
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("fun-asr-flash")
// .model("gpt-4o-transcribe-diarize") // 取消這一行的註解,並把上一行註解掉
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());常見問題
Fun-ASR Flash 和 GPT-4o Transcribe Diarize 哪個比較便宜?
兩者的計費單位不同,沒辦法用一個數字公允地比較:上表中 Fun-ASR Flash 和 GPT-4o Transcribe Diarize 各自以原本的單位列出。請拿你自己的工作負載來比,實務上怎麼取捨,本頁最上方的結論有說明。
可以只串接一次,就對 Fun-ASR Flash 和 GPT-4o Transcribe Diarize 做 A/B 測試嗎?
可以。兩個模型都走同一個 OpenAI 相容端點,用的也是同一把 API 金鑰,切換時只要改一行裡的模型名稱字串。你可以把一部分流量分別導到兩邊,再直接比較帳單。
Fun-ASR Flash 和 GPT-4o Transcribe Diarize 支援語者分離嗎?
上方的功能表依各供應商的官方文件,逐一列出每個模型的支援情況。語者分離、串流和時間戳記分開列,是因為這三項各模型的支援程度都不一樣。