GPT-4o Transcribe Diarize vs Seed ASR
何时使用哪一个 — 经过整理的结论，而非基准测试表格
两者计费单位不同——gpt-4o-transcribe-diarize 每百万音频输入 token $6.25 再加每百万文本 token $2.5，seed-asr-bigmodel 是每音频分钟固定 $0.002——所以两者之间没有哪一种换算是诚实的。两者都做说话人分离：seed-asr-bigmodel 接受最长 5 小时、512MB 的文件并给出词级时间戳，而 OpenAI 这边是 25MB 上限，超过 30 秒还必须给 chunking_strategy。在 OpenAI 形态的管线里要 diarized_json 选 gpt-4o-transcribe-diarize，按分钟计费的长录音选 seed-asr-bigmodel。
定价
| GPT-4o Transcribe Diarize | Seed ASR | Δ | |
|---|---|---|---|
| 每分钟音频 | — | $0.002 | — |
| 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
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| 说话人分离 | 是 | 是 |
| 流式传输 | 是 | 是 |
| 时间戳 | 是 | 是 |
规格
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| 输入模态 | 文本 音频 | 音频 |
| 输出模态 | 文本 | 文本 |
| 发布日期 | 2025-10 | — |
| 知识截止日期 | 2024-06 | — |
| 限制 | 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 | Async audio-file mode: <512MB, <5 hours, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (raw PCM also accepted), results returned within 3 hours and retained 7 days speaker diarization via enable_speaker_info (audio-file API only, best with <=10 speakers, no diarization on the streaming API) sentence + word segmentation with start_time/end_time via show_utterances language identification via enable_lid hotwords/context up to 800 tokens and 20 rounds per-call billing |
| 语言 | 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 | With `language` empty the model covers Mandarin, English, Cantonese, Shanghainese, Minnan, Sichuan and Shaanxi dialects 39 language keys can be pinned explicitly (en-US, zh-CN, yue-CN, ja-JP, ko-KR, id-ID, es-MX, pt-BR, de-DE, fr-FR, fil-PH, ms-MY, th-TH, ar-SA, it-IT, bn-BD, el-GR, nl-NL, ru-RU, tr-TR, vi-VN, pl-PL, ro-RO, uk-UA, az-AZ, bg-BG, cs-CZ, da-DK, fi-FI, hi-IN, hu-HU, kk-KZ, km-KH, my-MM, no-NO, pa-PK, sv-SE, sw-KE, ur-PK), plus optional auto-detection (enable_auto_lang) |
| 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： GPT-4o Transcribe Diarize · Seed ASR
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="gpt-4o-transcribe-diarize",
# model="seed-asr-bigmodel", # 取消注释此行，注释上一行
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-diarize",
// model: "seed-asr-bigmodel", // 取消注释此行，注释上一行
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-diarize" \
# -F model="seed-asr-bigmodel" \ # 取消注释此行，注释上一行
-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-diarize",
// Model: "seed-asr-bigmodel", // 取消注释此行，注释上一行
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-diarize")
// .model("seed-asr-bigmodel") // 取消注释此行，注释上一行
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());常见问题
GPT-4o Transcribe Diarize 和 Seed ASR 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，GPT-4o Transcribe Diarize 和 Seed ASR 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 GPT-4o Transcribe Diarize 和 Seed ASR 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。
GPT-4o Transcribe Diarize 和 Seed ASR 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。