模型定位
GPT-Live-Transcribe 是 OpenAI 的低延遲串流語音轉文字模型,供即時音訊轉錄使用。(developers.openai.com)
能力與用途
- 隨音訊輸入持續輸出增量逐字稿,並在應用程式提交音訊回合後輸出該回合的最終逐字稿;適用於麥克風、通話等即時音訊,以及即時字幕等場景。(developers.openai.com)
- 支援可調整的延遲、自由格式轉錄上下文、關鍵字提示及多種預期輸入語言提示;較低延遲可更早顯示文字,較高延遲則可提供更多音訊上下文。(developers.openai.com)
- 可透過 Realtime API 建立轉錄工作階段;模型接受音訊輸入,也支援文字輸入及輸出。(developers.openai.com)
限制
- 不支援音訊輸出、圖片或影片;不支援函式呼叫、結構化輸出或微調。(developers.openai.com)
- 即時轉錄工作階段不支援
server_vad或semantic_vad;可使用用戶端語音活動偵測,並提交音訊回合以取得最終逐字稿。模型不回傳偵測到的語言預測。(developers.openai.com) - 實際延遲與轉錄品質取決於設定及音訊條件,官方建議使用具代表性的音訊進行測試。(developers.openai.com)
價格
OpenAI API 官方定價頁將此模型列為即時轉錄,預估費用為 USD 0.017/分鐘;模型頁將計費指標列為即時音訊時長。定價表的輸入及輸出欄均為「—」,未列出分開的輸入或輸出 Token 費率,不能據此推定為免費。查詢日期:2026-11-16。(developers.openai.com)
發布日期
2026-07-28;OpenAI API 更新紀錄在該日期公告發布此模型。(developers.openai.com)