模型定位
GPT-4o Mini Transcribe 是基于 GPT-4o mini 的语音转文字模型,用于将音频转写为文本。OpenAI 表示,与原始 Whisper 模型相比,它改善了词错误率、语言识别和转写准确性。(developers.openai.com)
能力与用途
- 接收音频,输出转写文本;可用于录音转写、字幕草稿和语音应用中的文字记录。
- 可通过 OpenAI 音频转写 API 接入;官方文档也列出了实时转写工作流。(developers.openai.com)
限制与状态
- 转写可能出错,重要内容应结合原音频核对。模型不支持图像或视频输入,也不输出音频。
- 官方模型文档列出 16,000 token 上下文窗口和 2,000 token 最大输出。(developers.openai.com)
- 该模型及指定的
gpt-4o-mini-transcribe-2025-03-20快照已标记为弃用。OpenAI 宣布gpt-4o-mini-transcribe将于 2027 年 2 月 26 日停止服务,并建议迁移至gpt-transcribe或gpt-live-transcribe。迁移时应核对所需输出格式及元数据。(developers.openai.com) - 不带日期的模型 ID 是别名,不保证始终指向 2025 年 3 月的快照;指定快照 ID 可用于锁定版本。(developers.openai.com)
发布日期
官方公告发布于 2025 年 3 月 20 日;输入所指定的版本快照为 gpt-4o-mini-transcribe-2025-03-20。(openai.com)
API 价格
按 OpenAI 官方转写模型价格表,币种为美元(USD):输入每 100 万 token $1.25,输出每 100 万 token $5.00;官方估算成本约 $0.003/分钟,这是估算值而非额外叠加的固定分钟费。价格表按模型名称列示,未单独列出该 2025 年快照的价格。查询日期:2026 年 11 月 19 日。(platform.openai.com)