Überblick
GPT-Live-Transcribe ist ein Streaming-Spracherkennungsmodell für Echtzeittranskription mit geringer Latenz. Es gibt während der Spracheingabe fortlaufend Textfragmente und nach Abschluss eines Audiobeitrags ein finales Transkript aus. Es eignet sich etwa für Live-Untertitel sowie die Transkription von Mikrofon- und Telefonaudio. (developers.openai.com)
Fähigkeiten und Grenzen
- Die Latenz ist einstellbar: Mehr Verzögerung kann durch zusätzlichen Audiokontext die Transkriptqualität verbessern. Freier Kontext, Schlüsselwort- und Hinweise auf mehrere erwartete Sprachen werden unterstützt. (developers.openai.com)
- Audio wird als Eingabe verarbeitet; die Ausgabe ist Text. Bild und Video werden nicht unterstützt. Funktionsaufrufe, strukturierte Ausgaben und Fine-Tuning werden nicht unterstützt. (developers.openai.com)
- In Transkriptionssitzungen werden
server_vadundsemantic_vadnicht unterstützt. Für das finale Transkript muss der Audiobeitrag abgeschlossen werden; die Dokumentation empfiehlt eine clientseitige Spracherkennung für das Beitragsende. Das Modell gibt keine Vorhersage der erkannten Sprache zurück. (developers.openai.com)
Veröffentlichung
Veröffentlicht am 28. Juli 2026, laut offiziellem API-Changelog. (developers.openai.com)
Preis
OpenAI nennt für Echtzeit-Audiodauer 0,017 USD pro Minute. Die Preistabelle bezeichnet diesen Wert als geschätzte Kosten für Live-Transkription und nennt für Eingabe und Ausgabe keine separaten Tokenpreise. Abfrage am 16. November 2026. (developers.openai.com)