GPT-Transcribe
デフォルト
ファイルと Realtime 入力の文字起こしに対応する高精度な音声認識モデル
ファイルと Realtime 入力の文字起こしに対応する高精度な音声認識モデル
性能
最高
速度
中
料金
$0.0045
料金
入力
音声, テキスト
出力
テキスト
GPT Transcribe は、録音済み音声ファイルの文字起こし、ファイルの文字起こし結果のストリーミング、WebSocket 経由のリアルタイムセッションでコミットされたターンの文字起こしに対応する音声認識モデルです。非構造化コンテキスト、キーワードのヒント、複数の言語のヒントをサポートし、専門用語、多言語音声、コードスイッチングの文字起こし精度を向上させます。
料金
料金は、使用したトークン数、またはモデルの種類に応じたその他の指標に基づいて算出されます。検索やコンピューターの使用など、特定のツール向けのモデルでは、ツール呼び出しごとに料金が発生します。詳細は料金ページをご覧ください。
文字起こし対象の音声の長さ
分 あたり
料金
$0.0045
モダリティ
テキスト
入力と出力
画像
非対応
音声
入力のみ
動画
非対応
エンドポイント
ライブ
v1/live/sessions
Chat Completions
v1/chat/completions
Responses
v1/responses
Realtime
v1/realtime
リアルタイム翻訳
v1/realtime/translations
リアルタイム文字起こし
v1/realtime/transcription_sessions
Assistants
v1/assistants
バッチ
v1/batch
ファインチューニング
v1/fine-tuning
埋め込み
v1/embeddings
画像生成
v1/images/generations
動画
v1/videos
画像編集
v1/images/edits
音声生成
v1/audio/speech
文字起こし
v1/audio/transcriptions
翻訳
v1/audio/translations
モデレーション
v1/moderations
Completions（レガシー）
v1/completions
機能
ストリーミング
対応
Function Calling
非対応
構造化出力
非対応
ファインチューニング
非対応
予測出力
非対応
スナップショット
スナップショットを使うと、モデルを特定のバージョンに固定し、性能と動作の一貫性を維持できます。以下は、GPT-Transcribe で利用可能なすべてのスナップショットとエイリアスの一覧です。
gpt-transcribe
gpt-transcribe
gpt-transcribe
レート制限
レート制限は、一定期間内のリクエスト数、トークン数、音声の長さなどの利用量に上限を設けることで、API への公平で安定したアクセスを確保します。上限値は利用ティアによって決まります。利用ティアは、リクエスト数と API の利用金額が増えるにつれて自動的に上がります。
| ティア | RPM | TPM |
|---|---|---|
| 無料 | 非対応 | |
| ティア 1 | 500 | 200,000 |
| ティア 2 | 5,000 | 2,000,000 |
| ティア 3 | 5,000 | 4,000,000 |
| ティア 4 | 10,000 | 10,000,000 |
| ティア 5 | 30,000 | 150,000,000 |