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
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
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 |
|
| 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 |
|---|
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)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",
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 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",
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")
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(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。