🎁 新人 免费注册,送 10 次调用,最高 $1,免绑卡。

Fun-ASR Flash vs GPT-4o Transcribe Diarize

vs

何时使用哪一个 — 经过整理的结论,而非基准测试表格

两者都是纯转录模型,但计费单位不同 —— fun-asr-flash 每音频分钟收费 $0.0021,而 gpt-4o-transcribe-diarize 每百万音频输入 token 收费 $6.25,因此它们之间没有任何一种单一换算是绝对准确的。选择 fun-asr-flash 用于 5 分钟或 2GB 以内的直接同步任务,支持 30+ 种语言,具备领域术语上下文注入但无说话人分离功能。当你需要内置的说话人分离功能,包含 diarized_json 说话人标签和段落时间戳时,请选择 gpt-4o-transcribe-diarize,需接受其 25MB 的文件上限、16000-token 上下文限制,以及对超过 30s 的音频强制要求的 chunking_strategy。

定价

Fun-ASR Flash GPT-4o Transcribe Diarize Δ
每分钟音频 $0.0021
音频输入 / 1M tokens $6.25
文本输出 / 1M tokens $2.5

这两个模型的计费单位不同,因此不显示 Δ — 它们之间的转换需要基于我们尚未实测的假设。上面列出的每张费率卡均采用其自身对应的单位。

能力

Fun-ASR Flash GPT-4o Transcribe Diarize
说话人分离
流式传输
时间戳

规格

Fun-ASR Flash GPT-4o Transcribe Diarize
输入模态 音频 文本 音频
输出模态 文本 文本
发布日期 2026-06 2025-10
知识截止日期 2024-06
限制

Synchronous fast recognition, <=5 min / <=2GB per audio

context injection for domain terms

30+ languages

no diarization

mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB

built-in speaker diarization with diarized_json output (speaker labels + segment timestamps)

chunking_strategy required for audio >30s

no prompt support

语言 Multilingual with dialects, the same 30-language list as the Fun-ASR main versions: Chinese (Mandarin, Cantonese, Wu, Hokkien, Hakka, Gan, Xiang, Jin plus regional accents), English, Japanese, Korean, Vietnamese, Thai, Indonesian, Malay, Filipino, Hindi, Arabic, French, German, Spanish, Portuguese, Russian, Italian, Dutch, Swedish, Danish, Finnish, Norwegian, Greek, Polish, Czech, Hungarian, Romanian, Bulgarian, Croatian, Slovak

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

最大输出 2K

规格转录自各供应商的文档;若供应商未发布某项数据,则直接省略该行,而非进行推断。 完整来源: Fun-ASR Flash · GPT-4o Transcribe Diarize

只需一行代码即可在它们之间切换

两个 ID 都包含在下方的每个选项卡中 — 高亮显示的两行是唯一的修改。相同的端点,相同的密钥,相同的请求结构。

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="fun-asr-flash",
    # model="gpt-4o-transcribe-diarize",  # 取消注释此行,注释上一行
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

获取 API 密钥 →

常见问题

Fun-ASR Flash 和 GPT-4o Transcribe Diarize 哪个更便宜?

它们的计费单位不同,因此不存在单一的绝对数字:在上方表格中,Fun-ASR Flash 和 GPT-4o Transcribe Diarize 分别以各自的单位显示。请根据你自己的工作负载进行比较——本页顶部的结论中描述了实际的权衡。

我可以在不进行两次集成的情况下,对 Fun-ASR Flash 和 GPT-4o Transcribe Diarize 进行 A/B 测试吗?

可以。两者均通过同一个兼容 OpenAI 的端点提供服务,并使用同一把 API 密钥——切换只需更改一行模型字符串,因此你可以将一部分流量路由到各个模型并直接比较账单。

Fun-ASR Flash 和 GPT-4o Transcribe Diarize 支持说话人分离吗?

上方能力表格依据各供应商的官方文档,针对每个模型回答了此问题——由于各个模型在说话人分离、流式传输和时间戳这三方面均存在差异,因此将它们单独列出。

相关对比

来自我们的实测研究