모델 개요
GPT-4o Transcribe는 GPT-4o 기반의 음성-텍스트 변환 모델로, OpenAI API를 통해 오디오를 텍스트로 전사한다. OpenAI는 2025년 3월 20일 이 모델을 출시했다.(openai.com)
기능 및 용도
- 다국어 음성 인식을 지원한다. 공식 설명에 따르면 원래의 Whisper 모델과 비교해 언어 인식과 정확성이 개선되었고, 여러 벤치마크에서 단어 오류율이 더 낮으며, 억양, 배경 소음, 말하기 속도 변화 등의 상황에 대한 처리도 개선되었다.(openai.com)
- 녹음 전사, 텍스트 기록 생성 및 음성 애플리케이션의 전사 단계에 사용할 수 있으며, 파일 전사의 스트리밍 출력과 실시간 전사를 지원하는 통합이 이미 제공되고 있다.(developers.openai.com)
제한 및 상태
- 전사 결과에는 여전히 오류가 있을 수 있으므로 중요한 내용은 사람이 확인해야 한다. 이 모델은 이미지나 비디오 입력을 지원하지 않으며 오디오도 생성하지 않는다. 컨텍스트 윈도는 16,000 token이고 최대 출력은 2,000 token이다.(developers.openai.com)
- 파일 전사 인터페이스의 파일 크기 상한은 25 MB이며, 더 큰 녹음 파일은 압축하거나 분할해야 한다.(developers.openai.com)
- 2026년 11월 19일 기준, OpenAI는 이 모델을 지원 중단 예정으로 표시했으며 2027년 2월 26일 API에서 제거할 계획이다. 공식적으로는 사용 사례에 따라
gpt-live-transcribe또는gpt-transcribe로 이전할 것을 권장한다.(developers.openai.com)
가격
조회일: 2026년 11월 19일. OpenAI API 공식 가격 페이지에는 미국 달러(USD)로 입력 2.50달러/100만 token, 출력 10.00달러/100만 token이 기재되어 있다. 전사 예상 비용은 0.006달러/분이며, 이는 추정치로 별도로 보장되는 고정 분당 요금이 아니다.(developers.openai.com)
공식 자료에서 입력 모달리티를 표기하는 방식에는 차이가 있다. 가격표는 이 모델의 입력 열에서 모달리티를 세분하지 않지만, OpenAI의 Realtime 전사 예시에는 오디오 입력 6.00달러/100만 오디오 token, 텍스트 입력 2.50달러/100만 텍스트 token, 텍스트 출력 10.00달러/100만 텍스트 token이 기재되어 있다. 구체적인 오디오 입력 요율은 계정 청구서와 OpenAI의 최신 설명을 통해 확인해야 한다.(developers.openai.com)