← 全部模型

GPT-Transcribe

发布时间 发布主体 OpenAIgpt-transcribe

模型定位

GPT-Transcribe 是 OpenAI 的高准确度语音转文字模型,面向已完成音频文件的转录,以及 Realtime 会话中已提交音频轮次的转录。API 模型 ID 为 gpt-transcribe。(developers.openai.com)

能力与用途

  • 可对已录制音频返回最终文字,或在处理文件时流式输出文字;适合录音整理、会议记录和客服通话转写等用途。
  • 支持自由形式的录音上下文 prompt、关键词提示 keywords 和多个预期输入语言 languages,用于辅助识别专业术语、多语言音频及语言切换。文件转录可返回检测到的输入语言;无法可靠判断时,语言列表为空。
  • 在 Realtime 会话中,可通过 WebSocket 转录已提交的音频轮次,并利用此前已转录的轮次作为上下文。(developers.openai.com)

限制

  • 文件转录接口接受的文件最大为 25 MB;较大的录音需要压缩或分段。(developers.openai.com)
  • 实时音频的低延迟逐步转录,官方推荐使用另一模型 gpt-live-transcribe;gpt-transcribe 的 Realtime 专门工作流在音频轮次提交后开始转录。(developers.openai.com)
  • 音频仅作输入,不生成音频;不支持图像或视频,不支持函数调用、结构化输出或微调。转录准确度会受口音、噪声、音频质量等条件影响,使用前应针对实际场景测试。(developers.openai.com)

价格

OpenAI 模型页面列出的转录音频时长价格为 0.0045 美元(USD)/分钟。官方转录价格表将该金额列为预估费用,输入和输出 token 价格栏均为横线;未核实单独的输入或输出 token 费率,不应将其视为零费用。地区处理等特殊条件可能产生附加费用,具体适用性应以实际账户和官方定价为准。价格查询日期:2026-11-16。(developers.openai.com)

发布日期与官方来源

官方更新日志记载发布日期为 2026-07-28。(developers.openai.com)