GPT-4o Transcribe vs Whisper v1
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——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。
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 | Whisper v1 | |
|---|---|---|
| 語者分段 | 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 · Whisper v1
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",
# model="whisper-1", # 取消註解此行，並註解上一行
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: "whisper-1", // 取消註解此行，並註解上一行
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="whisper-1" \ # 取消註解此行，並註解上一行
-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: "whisper-1", // 取消註解此行，並註解上一行
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("whisper-1") // 取消註解此行，並註解上一行
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());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，因此沒有單一絕對的數字：GPT-4o Transcribe 和 Whisper v1 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 和 Whisper v1 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 和 Whisper v1 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。