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
供應商公布: 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
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 |
|
| 語者分離 | 不支援 |
| 串流轉錄 | 支援 |
| 時間戳記 | 不支援 |
模型
| 模態 | 音訊 + 文字 → 文字 |
|---|
30 秒上手 GPT-4o Transcribe
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",
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",
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 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",
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")
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(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。
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 的價格是多少?
在 Synthorai 上,GPT-4o Transcribe 的輸入價是每百萬 token $2.5,輸出價是每百萬 token $10。這就是供應商官網價,平台不加價。
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,格式與 OpenAI 的轉錄 API 相同。
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" 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。