GPT-4o Transcribe vs GPT-4o Transcribe Diarize

vs

什麼情況選哪一個

兩者的文字輸入同為每百萬 $2.5,脈絡同為 16000 token;diarize 變體的音訊略貴(每百萬音訊輸入 token $6.25 對 $6),文字輸出則便宜得多($2.5 對 $10)。它加的是語者分離和 diarized_json——帶語者標籤和分段時間戳——代價是超過 30 秒必須給 chunking_strategy,並且不支援 prompt。要純粹的串流轉寫選 gpt-4o-transcribe,需要知道是誰在說時選 diarize 變體。

Benchmark 成績

GPT-4o Transcribe Diarize:供應商沒有公布 benchmark 成績。

高於平均GPT-4o Transcribe僅 1 項可比
GPT-4o Transcribe GPT-4o Transcribe Diarize 其他有成績的模型 其他模型平均 ★ 沒有模型分數更高
WenetSpeech test-net (CER)
15.3%
N/A

供應商公布: Alibaba (Qwen) ByteDance Google OpenAI

定價

GPT-4o Transcribe GPT-4o Transcribe Diarize Δ
音訊輸入 / 1M tokens $6 $6.25 0.96×
文字輸出 / 1M tokens $10 $2.5 4×

費率取自網站建置時的即時目錄;各模型頁面都列有最新的價目。

功能

GPT-4o Transcribe GPT-4o Transcribe Diarize
語者分離 否 是
串流 是 是
時間戳記 否 是

規格

GPT-4o Transcribe GPT-4o Transcribe Diarize
輸入模態 文字 音訊 文字 音訊
輸出模態 文字 文字
發布日期 2025-03-20 2025-10
知識截止日期 2024-06 2024-06
限制 mp3/mp4/mpeg/mpga/m4a/wav/webm,最大 25MB;支援串流轉寫(含 Realtime 轉寫會話);僅 json/text 輸出;無詞級時間戳與語者分離 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 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 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 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: GPT-4o Transcribe · 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="gpt-4o-transcribe",
    # 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)

取得 API 金鑰 →

常見問題

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

以「音訊輸入 / 1M tokens」來看,GPT-4o Transcribe 比較便宜($6 對 $6.25,相差 1.0×)。其他項目的結果可能相反,完整價目請看上表;實際成本要看你的用量組合。

可以只串接一次,就對 GPT-4o Transcribe 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。

GPT-4o Transcribe 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。

相關比較