新用戶 免費註冊,送 10 次呼叫,最高 $1,免綁卡。

GPT-4o Transcribe

發布於 2025-03-20

transcription

GPT-4o Transcribe 是使用 GPT-4o 轉寫音訊的語音轉文字模型,是 OpenAI 的高階轉寫產品。

輸入
音訊 文字 $2.5/M
輸出
文字 $10/M
音訊輸入
$6/M
上下文
16K
知識截止
2024-06

Benchmark 成績

高於同儕均值僅 1 項可比
GPT-4o Transcribe 其他被測模型 同儕均值 無人分數更高
WenetSpeech test-net (CER)
15.3%

廠商公布: Alibaba (Qwen) ByteDance Google OpenAI

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$10/M
$2.5 · GPT-4o Transcribe Diarize GPT-4o Transcribe · $10

這條線顯示該模型的價格,在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價,批次、區域與快取寫入的折扣見價格頁。

規格與限制

Token

最大輸出(廠商規格) 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
  • 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
語者分離 不支援
串流轉寫 支援
時間戳 不支援

模型

模態 音訊 + 文字 → 文字

依據 OpenAI 官方文件 ↗

30 秒用上 GPT-4o Transcribe

OpenAI 相容:換掉 base_url,SDK 不用改。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",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

關於 GPT-4o Transcribe

  • 官方頁面稱它相比初代 Whisper 模型改進了詞錯誤率,並提升了語言辨識與準確率。
  • 請求具備 16K token 上下文視窗,最高輸出 2K token,而這款模型在轉寫端點與即時端點上都有提供。
  • 上傳遵循轉寫 API 的共同限制:mp3、mp4、mpeg、mpga、m4a、wav 或 webm,單檔最大 25MB,更長的錄音需要在用戶端切分。
  • 與 Whisper 不同的是,它接受 prompt,OpenAI 把這描述為一種提升轉寫品質的方式,做法是像對任何其他 GPT-4o 模型下 prompt 一樣,額外給模型一些上下文,這對人名、行話與產品拼寫很有用。
  • 串流轉寫受支援,面向信心度感知管線的對數機率也一樣。
  • 有兩項限制會影響整合方式:輸出僅提供 JSON 或純文字,沒有 SRT、VTT 或 verbose JSON;而這款模型也不提供詞級或分段級的時間戳粒度。
  • 語言覆蓋遵循轉寫 API 公布的七十多種語言清單,OpenAI 是以詞錯誤率門檻來把關,而不是宣稱通用支援,知識截止為 2024 年 6 月。
  • OpenAI 把它定位成在串流不是首要考量時、準確率更高的選擇。
  • 在 Synthorai 上,它可以原樣接入 OpenAI 相容的 /v1/audio/transcriptions 路由。

常見問題

GPT-4o Transcribe API 可以免費試用嗎?

可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。足以在新增付款方式之前,用真實工作負載試試 GPT-4o Transcribe。

GPT-4o Transcribe 最擅長什麼?

高階轉寫等級、語言辨識優於初代 Whisper、轉寫與即時端點均提供。完整能力請見「關於」一節,內容取自廠商官方發布說明。

GPT-4o Transcribe 的價格是多少?

在 Synthorai 上,GPT-4o Transcribe 輸入 $2.5/百萬 token、輸出 $10/百萬 token,即廠商牌價,無平台加價。

GPT-4o Transcribe 支援哪些語言?

GPT-4o Transcribe 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,即標準 OpenAI 轉錄 API 形式。

如何開通 GPT-4o Transcribe?

把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "gpt-4o-transcribe" 即可。一組 API key 通用閘道上的所有模型。

相關模型

對比

本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。

取得 API 金鑰 算算你的成本 →