模型定位
GPT-Transcribe 是 OpenAI 的語音轉文字模型,適用於已完成的音訊檔案,以及 WebSocket Realtime 工作階段中已提交回合的最終轉錄。官方於 2026 年 7 月 28 日發布。(developers.openai.com)
能力與用途
- 接收音訊及文字上下文,輸出轉錄文字;可在處理已完成的檔案時串流輸出轉錄結果。(developers.openai.com)
- 支援自由格式的背景說明、關鍵字提示和多個預期輸入語言提示,可協助處理專業術語、多語音訊及語言切換。檔案轉錄也可回傳偵測到的語言。(developers.openai.com)
- 適用於錄音逐字稿及 Realtime 已提交語音回合的轉錄。若需要語音到達時即以低延遲產生文字,官方建議使用另一個模型
gpt-live-transcribe。(developers.openai.com)
限制
- 不支援圖片或影片輸入、音訊輸出、函式呼叫、結構化輸出或微調。(developers.openai.com)
- 檔案轉錄 API 的上傳上限為 25 MB;較大的錄音須壓縮或分割。轉錄可能出錯,應使用實際場景中的口音、背景噪音及專業詞彙進行測試。(developers.openai.com)
- 若應用需要說話者標記、逐字時間戳或特定字幕格式,應先核對工作流程及輸出格式;更換模型 ID 不一定保留舊模型的所有功能。(developers.openai.com)
價格
OpenAI API 官方模型頁列出的價格為 USD 0.0045/分鐘轉錄音訊,以音訊時長計價;官方定價表未列出此模型各自獨立的輸入或輸出 token 單價。這是 OpenAI API 報價,不代表其他平台的價格。查詢日期:2026 年 11 月 16 日。(developers.openai.com)