新人 免费注册,送 10 次调用,最高 $1,无需绑卡。

GPT-4o Transcribe Diarize vs Seed ASR

vs

什么时候选哪个

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。

价格

GPT-4o Transcribe Diarize Seed ASR Δ
每分钟音频 - $0.002 -
音频输入 / 1M token $6.25 - -
文本输出 / 1M token $2.5 - -

这两个模型的计费单位不同,所以不显示 Δ:要在两种单位之间换算,就得引入一个我们没有实测过的假设。上方各自的价格按各自的单位列出。

能力

GPT-4o Transcribe Diarize Seed ASR
说话人分离 是 是
流式输出 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 2025-12-05
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 -

规格照录自各供应商的文档;供应商没有公布的项目,对应的行直接省略,不做推断。 完整来源: GPT-4o Transcribe Diarize · Seed ASR

改一行代码就能在两个模型之间切换

下方每个标签页里都有两个模型 ID,高亮的那两行是唯一要改的地方。端点不变,API key 不变,请求结构也不变。

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)

获取 API key →

常见问题

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

两个模型的计费单位不同,给不出一个公允的统一数字:上方表格里,GPT-4o Transcribe Diarize 和 Seed ASR 各按自己的单位列出。建议拿你自己的负载来比,实际该怎么取舍,见本页顶部的结论。

不用分别集成两次,就能对 GPT-4o Transcribe Diarize 和 Seed ASR 做 A/B 测试吗?

可以。两个模型走同一个 OpenAI 兼容端点,用同一个 API key,切换时只要改一行里的模型名,所以可以给两个模型各分一部分流量,直接对比账单。

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

上方的能力表格按各供应商的官方文档,逐个模型回答了这个问题。说话人分离、流式输出和时间戳三项分开列出,因为不同模型在这三项上的支持情况都不一样。

相关对比

我们的实测研究