新人 免费注册,送 10 次调用,最高 $1,无需绑卡。

GPT-4o Transcribe

发布于 2025-03-20

transcription

GPT-4o Transcribe 是使用 GPT-4o 转写音频的语音转文字模型,是 OpenAI 的高端转写产品。

输入
音频 文本 $2.5/M
输出
文本 $10/M
音频输入
$6/M
上下文
16K
知识截止
2024-06

Benchmark 成绩

高于同类均值仅 1 项可比
GPT-4o Transcribe 其他参测模型 同类均值 ★ 没有模型得分更高
WenetSpeech test-net (CER)
15.3%

供应商公布: Alibaba (Qwen) ByteDance Google OpenAI

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$10/M
$2.5 · GPT-4o Transcribe Diarize GPT-4o Transcribe · $10

这条线标出该模型的价格在 Synthorai 同类模型中的位置,两端分别是最便宜和最贵的模型。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(供应商规格) 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
  • 支持流式转写(含 Realtime 转写会话)
  • 仅 json/text 输出
  • 无词级时间戳和说话人分离
说话人分离 不支持
流式转写 支持
时间戳 不支持

模型

模态 音频 + 文本 → 文本

依据 OpenAI 官方文档 ↗

30 秒用上 GPT-4o Transcribe

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

关于 GPT-4o Transcribe

  • 官方页面称它相比初代 Whisper 模型改进了词错误率,并提升了语言识别与准确率。
  • 请求具备 16K token 上下文窗口,输出最高 2K token,该模型在转写与实时端点上均有提供。
  • 上传遵循转写 API 的共用限制:mp3、mp4、mpeg、mpga、m4a、wav 或 webm,单个文件最大 25MB,更长的录音需在客户端切分。
  • 与 Whisper 不同,它接受 prompt,OpenAI 把这描述为提升转写质量的一种方式,即像给任何其他 GPT-4o 模型写提示词那样为模型补充上下文,这对人名、行话和产品拼写很有用。
  • 流式转写受支持,面向置信度感知管线的对数概率同样支持。
  • 有两项限制会影响集成:输出仅提供 JSON 或纯文本,没有 SRT、VTT 或 verbose JSON,而且该模型不提供词级或段级的时间戳粒度。
  • 语言覆盖沿用转写 API 公布的七十多种语言列表,OpenAI 以词错误率阈值来划定这份列表,而非宣称通用支持,知识截止为 2024 年 6 月。
  • OpenAI 把它定位为不以流式为优先时准确率更高的选择。
  • 在 Synthorai 上,它可原样接入 OpenAI 兼容的 /v1/audio/transcriptions 路由。

常见问题

GPT-4o Transcribe API 可以免费试用吗?

可以。新账号有 10 次试用调用,免费额度最高 $1,无需绑卡。在绑定付款方式之前,足够拿真实负载把 GPT-4o Transcribe 试一遍。

GPT-4o Transcribe 最擅长什么?

高端转写档位、语言识别优于初代 Whisper、转写与实时端点均提供。完整介绍见「关于」部分,内容取自供应商的官方发布说明。

GPT-4o Transcribe 的价格是多少?

在 Synthorai 上,GPT-4o Transcribe 的输入价为 $2.5/百万 token,输出价为 $10/百万 token。这就是供应商官网价,平台不加价。

GPT-4o Transcribe 支持哪些语言?

GPT-4o Transcribe 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,请求格式与 OpenAI 转写 API 相同。

如何开通 GPT-4o Transcribe?

把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "gpt-4o-transcribe" 即可。一个 API key 就能调用网关上的全部模型。

相关模型

对比

本页的每个数值都照录自供应商自己的文档(链接见上),并标有核对日期。价格是在整个目录范围内比较的;各家供应商定义不一样的规格项,只说明差异,不画图对比。这里没有任何一项是我们自己测的,也不打分。

获取 API key 算算你的成本 →