← 全部模型

GPT-Realtime-Whisper

發布時間 發布主體 OpenAIgpt-realtime-whisper

模型定位

GPT-Realtime-Whisper 是供開發者使用的串流語音轉文字模型,透過 Realtime API 在使用者說話時即時產生逐步更新的文字轉錄。它針對低延遲場景設計,開發者可在延遲與準確度之間進行調整。(openai.com)

能力與用途

  • 接收音訊並輸出文字轉錄,支援串流;模型文件亦列出文字輸入與輸出。(developers.openai.com)
  • 適合會議、課堂、廣播及活動的即時字幕,也可作為會議紀錄、持續聆聽的語音代理及後續工作流程的轉錄環節。摘要等後續功能不應視為此轉錄模型本身的獨立能力。(openai.com)
  • 官方文件列示上下文視窗為 16,000 tokens,最大輸出為 2,000 tokens。(developers.openai.com)

限制

  • 音訊僅支援輸入,不支援音訊輸出;不支援圖片或影片。(developers.openai.com)
  • 不支援函式呼叫、結構化輸出、微調或預測輸出。免費使用層級不支援此模型;使用速率限制依帳戶層級而異。(developers.openai.com)
  • 此模型主要用於轉錄,不應將同次公告中其他模型的即時翻譯或語音對話能力直接歸於它。(openai.com)

價格

OpenAI API 即時轉錄價格為 USD 0.017/分鐘音訊,按音訊時長計費,而非按文字 token 計費。官方定價表未列出此模型分開的輸入或輸出 token 單價;因此不能將上述價格拆成兩項 token 費率。此價格適用於 OpenAI API,其他平台可能另行計費。查詢日期:2026-11-16。(developers.openai.com)

發布日期與官方來源