GPT Realtime Whisper

transcription

GPT Realtime Whisper 是 OpenAI 的实时语音转文字模型,持续输出低延迟转写增量,并按音频时长计费。

输入
音频 文本
输出
文本
价格
$0.017/min
上下文
16K
知识截止
2024-09

价格在同类中的位置

价格在 9 个同类模型中的位置

每分钟$0.017/min
$0.002 · Seed ASR GPT Realtime Whisper · $0.017

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

上下文窗口(供应商规格) 16,000
最大输出(供应商规格) 2,000
知识截止 2024-09

音频

语言 OpenAI 未在此型号的模型卡中公布专属语言清单;请用目标语言的真实音频验证。
音频限制 实时音频转写,低延迟持续输出文字增量;按音频分钟计费,而非按文字 token。
流式转写 支持

模型

模态 音频 + 文本 → 文本

依据 模型规格来源 ↗

30 秒用上 GPT Realtime Whisper

只在 OpenAI Realtime 会话里用作输入转写模型:先用 Realtime 模型建立会话,再把 session.audio.input.transcription.model 设为 gpt-realtime-whisper。WS /v1/realtime

import asyncio, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
# Send ONLY the Authorization header - the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) name gpt-realtime-whisper as the session's input transcription model
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "audio": {"input": {"transcription": {"model": "gpt-realtime-whisper"}}},
            },
        }))
        # 2) send input audio (base64 PCM16) and commit it
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        # 3) the transcript of what was said arrives as its own event
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "conversation.item.input_audio_transcription.completed":
                print(ev["transcript"])
                break

asyncio.run(main())

关于 GPT Realtime Whisper

  • 官方现在建议新接入优先评估更新的转写模型;此型号仍适用于受支持的现有集成。
  • 目标语言和嘈杂环境仍需用真实音频验证。

常见问题

GPT Realtime Whisper 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 Realtime Whisper 试一遍。

GPT Realtime Whisper 最擅长什么?

实时流式转写增量、按音频分钟计费、新项目应比较更新型号。完整介绍见「关于」部分,内容取自供应商的官方发布说明。

GPT Realtime Whisper 的价格是多少?

在 Synthorai 上,GPT Realtime Whisper 每转写一分钟音频收费 $0.017:按量付费,无平台加价,无需订阅。

GPT Realtime Whisper 怎么用?

GPT Realtime Whisper 不单独调用,它在 Realtime 会话里负责转写用户说的话:用 Realtime 模型连接 wss://synthorai.io/v1/realtime,把 session.audio.input.transcription.model 设为 "gpt-realtime-whisper",再从 conversation.item.input_audio_transcription.completed 事件里读取每段转写结果。输入音频每分钟收费 $0.017,会话本身的费用另计。

如何开通 GPT Realtime Whisper?

用你的 Synthorai API key 建立 Realtime 会话,并把 "gpt-realtime-whisper" 设为输入转写模型即可。GPT Realtime Whisper 是为 Realtime 会话设计的,不能用在 /v1/audio/transcriptions 文件转写接口上;要转写音频文件,请选用语音转文字模型。一个 API key 就能调用网关上的全部模型。

相关模型

对比

规格与厂商 benchmark 均附来源链接。网关支持情况说明的是 Synthorai 的实际实现。归档示例是单次网关请求,不代表模型的一般性能保证。价格来自公开价格接口或构建时使用的快照。

获取 API key 算算你的成本 →