GPT-4o Transcribe vs GPT-4o Transcribe Diarize
何时使用哪一个 — 经过整理的结论，而非基准测试表格
两者的文本输入同为每百万 $2.5，上下文同为 16000 token；diarize 变体的音频略贵（每百万音频输入 token $6.25 对 $6），文本输出则便宜得多（$2.5 对 $10）。它加的是说话人分离和 diarized_json——带说话人标签和分段时间戳——代价是超过 30 秒必须给 chunking_strategy，并且不支持 prompt。要纯粹的流式转写选 gpt-4o-transcribe，需要知道是谁在说时选 diarize 变体。
定价
| GPT-4o Transcribe | GPT-4o Transcribe Diarize | Δ | |
|---|---|---|---|
| 音频输入 / 1M tokens | $6 | $6.25 | 0.96× |
| 文本输出 / 1M tokens | $10 | $2.5 | 4× |
费率取自构建时的实时目录；每个模型页面均附有当前的费率卡。
能力
| GPT-4o Transcribe | GPT-4o Transcribe Diarize | |
|---|---|---|
| 说话人分离 | 否 | 是 |
| 流式传输 | 是 | 是 |
| 时间戳 | 否 | 是 |
规格
| GPT-4o Transcribe | GPT-4o Transcribe Diarize | |
|---|---|---|
| 输入模态 | 文本 音频 | 文本 音频 |
| 输出模态 | 文本 | 文本 |
| 发布日期 | 2025-03-20 | 2025-10 |
| 知识截止日期 | 2024-06 | 2024-06 |
| 限制 | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB streaming transcription supported (incl. Realtime transcription sessions) json/text output only no word timestamps or 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 | 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 | 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 | 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 · 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="gpt-4o-transcribe",
# 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)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",
// model: "gpt-4o-transcribe-diarize", // 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" \
# -F model="gpt-4o-transcribe-diarize" \ # 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",
// Model: "gpt-4o-transcribe-diarize", // 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")
// .model("gpt-4o-transcribe-diarize") // 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 和 GPT-4o Transcribe Diarize 哪个更便宜？
在 音频输入 / 1m tokens 方面，GPT-4o Transcribe 更便宜（$6 对比 $6.25，相差 1.0×）。其他行可能得出相反的结论——上方表格提供了完整信息，实际成本取决于你的组合使用情况。
我可以在不进行两次集成的情况下，对 GPT-4o Transcribe 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。
GPT-4o Transcribe 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。