模型定位
GPT-Live-Transcribe 是面向实时音频的低延迟流式语音转文字模型,可在语音输入过程中返回增量转录文本。(developers.openai.com)
能力与用途
- 适用于麦克风、通话及其他实时音频流的转录,例如实时字幕;每个音频轮次提交后可获得最终转录文本。(developers.openai.com)
- 支持调整延迟、提供自由文本上下文、关键词提示和多个预期输入语言提示。较高延迟可提供更多音频上下文,但应使用实际音频测试延迟与准确率的取舍。(developers.openai.com)
- 支持文本输入和输出、音频输入;不支持图像或视频。(developers.openai.com)
限制
- 该模型用于转录,不生成语音回复,也不返回检测到的语言预测。(developers.openai.com)
- 在实时转录会话中,不支持
server_vad或semantic_vad;应省略audio.input.turn_detection或将其设为null,并在每轮音频结束时提交缓冲区。(developers.openai.com) - 不支持函数调用、结构化输出或微调。(developers.openai.com)
发布日期
2026 年 7 月 28 日。OpenAI API 更新日志在该日期记录了此模型的发布。(developers.openai.com)
价格
OpenAI 官方 API 定价表将实时转录的预估费用列为 0.017 美元(USD)/分钟;模型页将计量项描述为实时音频时长。定价表的输入和输出 Token 单价均为横线,未分别列出;不能据此认定输出免费。查询日期:2026 年 11 月 16 日。(developers.openai.com)