新帳號 免費註冊,送 10 次呼叫,最高 $1,免綁卡。

GPT-4o Transcribe vs Whisper v1

vs

什麼情況選哪一個

兩者計費單位不同——whisper-1 每音訊分鐘 $0.006,gpt-4o-transcribe 每百萬音訊輸入 token $6 再加每百萬文字 token $2.5 和 $10——所以兩者之間沒有哪一種換算是誠實的。whisper-1 是帶詞級和分段級時間戳、srt/vtt 輸出以及翻譯端點的那一個,但它不支援串流;gpt-4o-transcribe 支援串流(包括即時轉寫工作階段),只回傳 json 或 text。做字幕和翻譯選 whisper-1,要即時轉寫選 gpt-4o-transcribe。

Benchmark 成績

Whisper v1: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 Whisper v1 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 Whisper v1 Δ
每分鐘音訊 - $0.006 -
音訊輸入 / 1M tokens $6 - -
文字輸出 / 1M tokens $10 - -

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

GPT-4o Transcribe Whisper v1
語者分離 否 否
串流 是 否
時間戳記 否 是

規格

GPT-4o Transcribe Whisper v1
輸入模態 文字 音訊 音訊
輸出模態 文字 文字
發布日期 2025-03-20 2023-03-01
知識截止日期 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

word- and segment-level timestamps (verbose_json), srt/vtt output

no streaming

only model supported on the translations endpoint (to English)

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

Trained on 98 languages

57 listed as supported, the languages that met OpenAI's under-50% word-error-rate threshold across the transcriptions and translations endpoints

最大輸出 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 · Whisper v1

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="whisper-1",  # 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 Whisper v1 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 GPT-4o Transcribe 和 Whisper v1 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 GPT-4o Transcribe 和 Whisper v1 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 Whisper v1 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