新人 免费注册,送 10 次调用,最高 $1,免绑卡。

GPT-4o Transcribe Diarize

发布于 2025-10

transcription

GPT-4o Transcribe Diarize 是一款能识别谁在何时说话的自动语音识别模型:它把音频片段与对话中的不同说话人关联起来,因此转写稿记录的不只是说了什么,还有谁说的。

输入
音频 文本 $2.5/M
输出
文本 $2.5/M
音频输入
$6.25/M
上下文
16K
知识截止
2024-06

价格在同类中的位置

价格在 3 个同类模型中的位置

输入$2.5/M
$1.25 · GPT-4o Mini Transcribe GPT-4o Transcribe · $2.5
输出$2.5/M
$2.5 · GPT-4o Transcribe Diarize GPT-4o Transcribe · $10

这条线显示该模型的价格,在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价,批量、区域和缓存写入的折扣见价格页。

规格与限制

Token

最大输出(厂商规格) 2,000
知识截止 2024-06

音频

语言 转写端点列出 57 种语言(所有转写模型共用一份列表);基于 GPT-4o 的模型接受 ISO 639-1 / 639-3 代码
音频限制
  • mp3/mp4/mpeg/mpga/m4a/wav/webm,最大 25MB
  • 内置说话人分离,输出 diarized_json(说话人标签 + 分段时间戳)
  • 音频超过 30s 时必须指定 chunking_strategy
  • 不支持 prompt
说话人分离 支持
流式转写 支持
时间戳 支持

模型

模态 音频 + 文本 → 文本

OpenAI 唯一内置说话人分离的转写模型。

依据 OpenAI 官方文档 ↗

30 秒用上 GPT-4o Transcribe Diarize

OpenAI 兼容:换掉 base_url,SDK 不用改。POST /v1/audio/transcriptions

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",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

关于 GPT-4o Transcribe Diarize

  • 它沿用 GPT-4o 转写家族的 16K token 上下文窗口和 2K 最大输出 token,并且是专为转写端点打造的,而非通用聊天。
  • OpenAI 明确说明该模型仅通过 Transcription API 提供,不在 Realtime API 中。
  • 它是 OpenAI 唯一返回 diarized JSON 响应格式的模型,该格式在段级时间戳之外携带说话人标签;纯 JSON 和 text 也可用,但 SRT、VTT 和 verbose JSON 不可用。
  • 有两种行为是这个模型特有的。
  • 超过 30 秒的音频必须使用切块策略,可以是自动的,也可以由你提供语音活动检测配置;而 prompt 在这里完全不可用,因此在同门模型上奏效的上下文技巧在这里不适用。
  • 可以事先为说话人命名,方式是提供最多四段、每段几秒的参考音频。
  • 流式可用,不过说话人归属是按段而非逐词最终确定的。
  • 会议纪要、通话分析和访谈工具是它的天然场景。
  • Synthorai 通过与其同门相同的 OpenAI 兼容转写 API 开放它。

常见问题

GPT-4o Transcribe Diarize API 可以免费试用吗?

可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。足够在添加付款方式之前,用真实工作负载试一试 GPT-4o Transcribe Diarize。

GPT-4o Transcribe Diarize 最擅长什么?

内置说话人分离、转写稿记录谁说了什么、适合会议纪要与通话分析。完整能力请见「关于」部分,内容取自厂商官方发布说明。

GPT-4o Transcribe Diarize 的价格是多少?

在 Synthorai 上,GPT-4o Transcribe Diarize 输入 $2.5/百万 token、输出 $2.5/百万 token,即厂商牌价,无平台加价。

GPT-4o Transcribe Diarize 支持哪些语言?

GPT-4o Transcribe Diarize 支持 转写端点列出 57 种语言(所有转写模型共用一份列表);基于 GPT-4o 的模型接受 ISO 639-1 / 639-3 代码。在 Synthorai 上通过 POST /v1/audio/transcriptions 调用,即标准 OpenAI 转写 API 形态。

如何开通 GPT-4o Transcribe Diarize?

把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "gpt-4o-transcribe-diarize" 即可。一把 API key 通用网关上的全部模型。

相关模型

对比

本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。

获取 API 密钥 算算你的成本 →