GPT-4o Transcribe vs GPT-4o Transcribe Diarize
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。
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, up to 25MB streaming transcription supported (incl. Realtime transcription sessions) json/text output only no word timestamps or diarization | 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 |
| 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 | 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 |
| 最大輸出 | 2K | 2K |
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)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",
// 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="gpt-4o-transcribe" \
# -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: "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: 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")
// .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
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。