GPT Realtime Whisper

transcription

GPT Realtime Whisper 是 OpenAI 的即時語音轉文字模型,持續輸出低延遲轉錄更新,並按音訊時長計費。

輸入
音訊 文字
輸出
文字
價格
$0.017/min
上下文
16K
知識截止
2024-09

價格在同類中的位置

價格在 9 個同類模型中的位置

每分鐘$0.017/min
$0.002 · Seed ASR GPT Realtime Whisper · $0.017

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

上下文視窗(供應商規格) 16,000
最大輸出(供應商規格) 2,000
知識截止 2024-09

音訊

語言 OpenAI 未在此型號的模型卡公布專屬語言清單;請用目標語言的真實音訊驗證。
音訊限制 即時音訊轉錄,低延遲持續輸出文字更新;按音訊分鐘計費,而非文字 token。
串流轉錄 支援

模型

模態 音訊 + 文字 → 文字

依據 模型規格來源 ↗

30 秒上手 GPT Realtime Whisper

只能在 OpenAI Realtime 工作階段裡當作輸入轉錄模型使用:用 Realtime 模型建立工作階段,再把 session.audio.input.transcription.model 設為 gpt-realtime-whisper。WS /v1/realtime

import asyncio, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
# Send ONLY the Authorization header - the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) name gpt-realtime-whisper as the session's input transcription model
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "audio": {"input": {"transcription": {"model": "gpt-realtime-whisper"}}},
            },
        }))
        # 2) send input audio (base64 PCM16) and commit it
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        # 3) the transcript of what was said arrives as its own event
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "conversation.item.input_audio_transcription.completed":
                print(ev["transcript"])
                break

asyncio.run(main())

關於 GPT Realtime Whisper

  • 官方目前建議新整合優先評估較新的轉錄模型;此型號仍適用於受支援的既有整合。
  • 目標語言與雜訊環境仍須使用真實音訊驗證。

常見問題

GPT Realtime Whisper 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 Realtime Whisper。

GPT Realtime Whisper 最擅長什麼?

即時串流轉錄更新、按音訊分鐘計費、新專案應比較較新型號。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 Realtime Whisper 的價格是多少?

在 Synthorai 上,GPT Realtime Whisper 每轉錄一分鐘音訊收費 $0.017:按用量計費,平台不加價,不需訂閱。

GPT Realtime Whisper 要怎麼使用?

GPT Realtime Whisper 不能單獨呼叫,它是在 Realtime 工作階段裡負責轉錄使用者說的話:用 Realtime 模型連線到 wss://synthorai.io/v1/realtime,把 session.audio.input.transcription.model 設為 "gpt-realtime-whisper",再從 conversation.item.input_audio_transcription.completed 事件讀取每一段轉錄結果。費用是輸入音訊每分鐘 $0.017,工作階段本身的費用另計。

如何開通 GPT Realtime Whisper?

用你的 Synthorai API 金鑰建立 Realtime 工作階段,並把 "gpt-realtime-whisper" 指定為輸入轉錄模型就可以了。GPT Realtime Whisper 是為 Realtime 工作階段設計的,不適用於 /v1/audio/transcriptions 這個檔案轉錄 API;要轉錄音訊檔,請改用語音轉文字模型。一把 API 金鑰就能呼叫閘道上的所有模型。

相關模型

比較

規格與廠商 benchmark 均附來源連結。閘道支援情況說明的是 Synthorai 的實際實作。封存範例是單次閘道請求,不代表模型的一般效能保證。價格來自公開價格介面或建置時使用的快照。

取得 API 金鑰 算算你的成本 →