Modelleinordnung
GPT-4o Transcribe ist ein auf GPT-4o basierendes Spracherkennungsmodell, das über die OpenAI API Audio in Text transkribiert. OpenAI veröffentlichte das Modell am 20. März 2025. (openai.com)
Fähigkeiten und Einsatzmöglichkeiten
- Unterstützt mehrsprachige Spracherkennung. Laut OpenAI bietet das Modell gegenüber dem ursprünglichen Whisper-Modell Verbesserungen bei der Spracherkennung und Genauigkeit und weist bei mehreren Benchmarks eine niedrigere Wortfehlerrate auf; auch der Umgang mit Akzenten, Hintergrundgeräuschen und Veränderungen des Sprechtempos wurde verbessert. (openai.com)
- Kann für die Transkription von Aufnahmen, die Erstellung von Textprotokollen und Transkriptionsschritte in Sprachanwendungen eingesetzt werden; bestehende Integrationen unterstützen die Streaming-Ausgabe bei der Dateitranskription und die Echtzeittranskription. (developers.openai.com)
Einschränkungen und Status
- Transkriptionsergebnisse können weiterhin Fehler enthalten; wichtige Inhalte sollten manuell überprüft werden. Das Modell unterstützt weder Bild- noch Videoeingaben und erzeugt kein Audio; das Kontextfenster beträgt 16,000 Token, die maximale Ausgabe 2,000 Token. (developers.openai.com)
- Die Dateigrößenbeschränkung der Schnittstelle für die Dateitranskription beträgt 25 MB; größere Aufnahmen müssen komprimiert oder aufgeteilt werden. (developers.openai.com)
- Stand 19. November 2026 hat OpenAI das Modell als veraltet markiert und plant, es am 26. Februar 2027 aus der API zu entfernen; OpenAI empfiehlt je nach Anwendungsfall die Migration zu
gpt-live-transcribeodergpt-transcribe. (developers.openai.com)
Preise
Abfragedatum: 19. November 2026. Die offizielle Preisseite der OpenAI API führt die Preise in US-Dollar (USD) auf: Eingabe 2.50 US-Dollar/Million Token, Ausgabe 10.00 US-Dollar/Million Token; die geschätzten Transkriptionskosten betragen 0.006 US-Dollar/Minute. Dies ist ein Schätzwert und kein separat garantierter fester Minutenpreis. (developers.openai.com)
Die offiziellen Angaben zur Eingabemodalität unterscheiden sich: Die Preistabelle schlüsselt die Modalitäten in der Eingabespalte für dieses Modell nicht auf; das Realtime-Transkriptionsbeispiel von OpenAI führt dagegen Audioeingabe mit 6.00 US-Dollar/Million Audio-Token, Texteingabe mit 2.50 US-Dollar/Million Text-Token und Textausgabe mit 10.00 US-Dollar/Million Text-Token auf. Der konkrete Tarif für Audioeingaben sollte anhand der Kontoabrechnung und der neuesten Angaben von OpenAI überprüft werden. (developers.openai.com)