新帳號 免費註冊,送 10 次呼叫,最高 $1,免綁卡。

GPT-4o Transcribe Diarize

發布於 2025-10

transcription

GPT-4o Transcribe Diarize 是一款能辨識誰在什麼時候說話的自動語音辨識模型:它把音訊片段與對話中的不同說話者關聯起來,讓轉寫稿不只記錄說了什麼,還記錄是誰說的。

輸入
音訊 文字 $2.5/M
輸出
文字 $2.5/M
音訊輸入
$6.25/M
上下文
16K
知識截止
2024-06

價格在同類中的位置

價格在 3 個同類模型中的位置

輸入$2.5/M
$1.25 · GPT-4o Mini Transcribe GPT-4o Transcribe · $2.5
輸出$2.5/M
$2.5 · GPT-4o Transcribe Diarize GPT-4o Transcribe · $10

這條線標出這個模型的價格,在 Synthorai 的同類模型裡落在什麼位置;兩端分別是最便宜和最貴的模型。這裡列的是基礎價,批次、區域和快取寫入的折扣請見價格頁。

規格與限制

Token

最大輸出(供應商規格) 2,000
知識截止 2024-06

音訊

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
音訊限制
  • 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
語者分離 支援
串流轉錄 支援
時間戳記 支援

模型

模態 音訊 + 文字 → 文字

OpenAI 唯一內建語者分離的轉寫模型。

依據 OpenAI 官方文件 ↗

30 秒上手 GPT-4o Transcribe Diarize

相容 OpenAI:換掉 base_url,SDK 不用換。POST /v1/audio/transcriptions

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",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

關於 GPT-4o Transcribe Diarize

  • 它與 GPT-4o 轉寫家族共享 16K token 上下文視窗與 2K 最大輸出 token,並且是為轉寫端點量身打造,而非通用聊天。
  • OpenAI 明確表示,這款模型只透過 Transcription API 提供,不在 Realtime API 中提供。
  • 它是 OpenAI 唯一會回傳 diarized JSON 回應格式的模型,該格式在分段時間戳之外帶有說話者標籤;純 JSON 與純文字同樣可用,但 SRT、VTT 與 verbose JSON 則沒有。
  • 有兩項行為是這款模型特有的。
  • 長度超過 30 秒的音訊必須指定分塊策略,可以是自動的,也可以是你自行提供的語音活動偵測設定;而 prompt 在這裡完全無法使用,因此在同門模型上有效的上下文技巧在這裡並不適用。
  • 說話者可以事先命名,做法是提供最多四段、每段數秒的簡短參考片段。
  • 串流可以運作,不過說話者歸屬是逐段定案,而不是逐字定案。
  • 會議紀要、通話分析與訪談工具是它天然的適用場景。
  • Synthorai 透過與其同門相同的 OpenAI 相容轉寫 API 開放它。

常見問題

GPT-4o Transcribe Diarize API 可以免費試用嗎?

可以,新帳號有 10 次試用呼叫和最高 $1 的免費額度,免綁卡。在綁定付款方式之前,就足夠你拿實際的工作負載試試 GPT-4o Transcribe Diarize。

GPT-4o Transcribe Diarize 最擅長什麼?

內建語者分離、轉寫稿記錄誰說了什麼、適合會議紀要與通話分析。完整介紹請見「關於」一節,內容取自供應商官方的發布說明。

GPT-4o Transcribe Diarize 的價格是多少?

在 Synthorai 上,GPT-4o Transcribe Diarize 的輸入價是每百萬 token $2.5,輸出價是每百萬 token $2.5。這就是供應商官網價,平台不加價。

GPT-4o Transcribe Diarize 支援哪些語言?

GPT-4o Transcribe Diarize 支援 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。在 Synthorai 上透過 POST /v1/audio/transcriptions 呼叫,格式與 OpenAI 的轉錄 API 相同。

如何開通 GPT-4o Transcribe Diarize?

把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "gpt-4o-transcribe-diarize" 就可以了。一把 API 金鑰就能呼叫閘道上的所有模型。

相關模型

比較

本頁每一個數值都摘錄自供應商自己的文件(連結見上方),並附上查核日期。價格是放在整個目錄裡比較;各家供應商定義不一樣的規格,只說明差異,不畫成圖表比較。這裡沒有任何數據是我們自己量測的,也不做評分。

取得 API 金鑰 算算你的成本 →