🎁 新用戶 免費註冊,送 10 次呼叫,最高 $1,免綁卡。

GPT-4o Transcribe Diarize vs Seed ASR

vs

何時該用哪一個 — 綜合評斷,而非基準測試數據表

兩者計費單位不同——gpt-4o-transcribe-diarize 每百萬音訊輸入 token $6.25 再加每百萬文字 token $2.5,seed-asr-bigmodel 是每音訊分鐘固定 $0.002——所以兩者之間沒有哪一種換算是誠實的。兩者都做語者分離:seed-asr-bigmodel 接受最長 5 小時、512MB 的檔案並給出詞級時間戳,而 OpenAI 這邊是 25MB 上限,超過 30 秒還必須給 chunking_strategy。在 OpenAI 形態的管線裡要 diarized_json 選 gpt-4o-transcribe-diarize,按分鐘計費的長錄音選 seed-asr-bigmodel。

定價

GPT-4o Transcribe Diarize Seed ASR Δ
每分鐘音訊 $0.002
音訊輸入 / 1M tokens $6.25
文字輸出 / 1M tokens $2.5

這兩個模型以不同的單位計費,因此未顯示 Δ — 在兩者之間進行換算需要基於我們未曾實測的假設。上方各費率卡均以其專屬的單位列出。

能力

GPT-4o Transcribe Diarize Seed ASR
語者分段
串流
時間戳記

規格

GPT-4o Transcribe Diarize Seed ASR
輸入模態 文字 音訊 音訊
輸出模態 文字 文字
發布日期 2025-10
知識截止日期 2024-06
限制

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

語言

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)

最大輸出 2K

規格摘錄自各供應商的文件;供應商未發布的資料列會直接省略,而非自行推測。 完整來源: GPT-4o Transcribe Diarize · Seed ASR

只需一行程式碼即可在兩者間切換

以下每個頁籤中都有這兩個 ID — 醒目提示的這兩行是唯一的修改處。相同的端點,相同的金鑰,相同的請求結構。

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",  # 取消註解此行,並註解上一行
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

取得 API 金鑰 →

常見問題

GPT-4o Transcribe Diarize 和 Seed ASR 哪個比較便宜?

兩者的計費單位不同,因此沒有單一絕對的數字:GPT-4o Transcribe Diarize 和 Seed ASR 在上表中均以各自的單位呈現。請根據您自身的工作負載進行比較 — 本頁頂部的結論說明了實務上的取捨。

我可以在不進行兩次整合的情況下,對 GPT-4o Transcribe Diarize 和 Seed ASR 進行 A/B 測試嗎?

可以。兩者皆透過同一個相容 OpenAI 的端點提供服務,並使用同一把 API 金鑰 — 切換只需更改一行的模型字串,因此您可以將部分流量分別導向兩者並直接比較帳單。

GPT-4o Transcribe Diarize 和 Seed ASR 支援語者分段嗎?

上方的功能表根據各廠商的官方文件回答了每個模型的支援情況 — 語者分段、串流與時間戳記是分開列出的,因為模型在這三方面的支援皆有所不同。

相關比較