GPT Transcribe

OpenAI推荐的语音转文本模型，于2026年7月28日发布，既可用于转录已完成的文件，也可用于实时输入。它接受音频和可选的文本上下文，返回文本，支持流式传输，并可接受关键词提示和多种语言提示。它取代了gpt-4o-transcribe，这是2025年3月发布的模型，OpenAI现在已标记为不推荐用于新集成。

每分钟音频0.0045美元——比whisper-1和gpt-4o-transcribe的0.006美元低25%。这是通过API使用该模型本身的费用；使用它仍意味着需要围绕它构建集成。

在22种语言的Common Voice上，它将词错误率从whisper-1的40.37%降低到19.27%——错误率大约减少了一半。Whisper仍然覆盖gpt-transcribe无法做到的内容，包括逐词时间戳和翻译端点。

不能。SRT和VTT输出、发言者区分和逐词时间戳超出了它的范围——这些需要whisper-1或gpt-4o-transcribe-diarize。这就是这个网站存在的原因：在这里的转录使用带有区分的Whisper，因此可以直接生成字幕、发言者标签和时间戳。

这是流式传输的对应版本，适用于需要从实时音频中获得低延迟转录结果的应用程序。它仅在实时转录端点上运行，提供可调节的延迟，并且每分钟会话音频收费0.017美元——大约每小时1美元。

不能直接使用——该模型只能作为API存在，因此OpenAI的路径意味着需要账户、密钥和集成代码。GPT Transcribe是无代码路径：在浏览器中上传文件、录制或粘贴链接，前五分钟是免费的。因为这里的流程使用带有区分的Whisper，你还可以获得原始端点所没有的字幕、发言者标签和时间戳。

运行在OpenAI Whisper上，托管在Replicate上，并叠加了一个区分模型用于发言者分离。它不是gpt-transcribe端点。在这里选择Whisper是故意的，因为字幕、发言者标签和时间戳都与之一起提供。

没有。GPT Transcribe（gpt-transcribe.org）是一个独立的网络工具——并非由OpenAI开发、认可或运营。它运行OpenAI的开源Whisper模型，并添加了区分阶段，其存在是为了提供人们搜索gpt-transcribe时通常需要的内容：准确的语音转文本以及模型本身不会返回的字幕、发言者标签和时间戳。

GPT Transcribe 支持 SRT 和 VTT 字幕格式，适用于视频字幕生成和编辑。

是的，GPT Transcribe 支持发言人标签功能，可以区分不同说话人的内容，便于会议记录和整理。

GPT Transcribe 基于先进的 AI 模型，支持多种语言和口音，识别准确率较高，但具体表现取决于音频质量和环境噪声。