Einordnung und Veröffentlichung
GPT-Transcribe ist ein auf hochgenaue Spracherkennung spezialisiertes Speech-to-Text-Modell. OpenAI veröffentlichte es am 28. Juli 2026 für Dateitranskription und endgültige Transkripte abgeschlossener Realtime-Sprechabschnitte. (developers.openai.com)
Fähigkeiten und Einsatz
- Transkribiert abgeschlossene Audiodateien, unterstützt die gestreamte Ausgabe von Dateitranskripten und verarbeitet abgeschlossene Sprechabschnitte in Realtime-Sitzungen über WebSocket.
- Freier Kontext, Schlüsselwörter und Hinweise auf mehrere Sprachen können bei Fachbegriffen, mehrsprachigem Audio und Sprachwechseln helfen.
- Geeignet beispielsweise für die Transkription von Aufzeichnungen und abgeschlossenen Gesprächsabschnitten. Die API-Endpunkte umfassen
v1/audio/transcriptionsundv1/realtime. (developers.openai.com)
Einschränkungen
- Audio ist nur als Eingabe vorgesehen; Text kann ein- und ausgegeben werden. Bilder und Video werden nicht unterstützt.
- Function Calling, Structured Outputs und Fine-Tuning werden nicht unterstützt.
- Für Dateitranskription beträgt die maximale Dateigröße 25 MB. Streaming für niedriglatente Live-Transkription ist der gesonderte Anwendungsfall von GPT-Live-Transcribe. (developers.openai.com)
Preis
Die offizielle Modellseite nennt 0,0045 USD pro Minute transkribierter Audiodauer. Die offizielle Preistabelle bezeichnet diesen Minutenbetrag als geschätzte Kosten; separate Tokenpreise für Eingabe und Ausgabe sind dort für dieses Modell nicht ausgewiesen. Bedingungen für eine getrennte Abrechnung von Eingabe und Ausgabe sind somit nicht verifiziert. Bei regionalen Datenverarbeitungs-Endpunkten nennt OpenAI für Modelle, die ab dem 5. März 2026 veröffentlicht wurden, einen Aufschlag von 10 %. Abgerufen am 16. November 2026. (developers.openai.com)