GPT-Transcribe
默认
用于文件和实时输入转录的高准确率语音转文本模型
用于文件和实时输入转录的高准确率语音转文本模型
性能
最高
速度
中
价格
$0.0045
价格
输入
音频, 文本
输出
文本
GPT Transcribe 是一款语音转文本模型，可转录完整音频文件、流式输出文件转录结果，并转录通过 WebSocket 进行的实时会话中已提交的轮次。它支持非结构化上下文、关键词提示和多语言提示，以改善对领域术语、多语言音频和语码切换的转录效果。
定价
费用根据使用的 Token 数量计算，也可能根据模型类型采用其他计量方式。对于搜索和计算机使用等专用工具模型，每次工具调用均收取费用。详情请参阅定价页面。
转录音频时长
每 分钟
价格
$0.0045
模态
文本
输入和输出
图像
不支持
音频
仅输入
视频
不支持
端点
实时
v1/live/sessions
Chat Completions
v1/chat/completions
Responses
v1/responses
Realtime
v1/realtime
实时翻译
v1/realtime/translations
实时转录
v1/realtime/transcription_sessions
Assistants
v1/assistants
批处理
v1/batch
微调
v1/fine-tuning
嵌入向量
v1/embeddings
图像生成
v1/images/generations
视频
v1/videos
图像编辑
v1/images/edits
语音生成
v1/audio/speech
转录
v1/audio/transcriptions
翻译
v1/audio/translations
内容审核
v1/moderations
Completions（旧版）
v1/completions
功能
流式传输
支持
函数调用
不支持
结构化输出
不支持
微调
不支持
预测输出
不支持
快照
快照可让您锁定模型的特定版本，使其性能和行为保持一致。以下列出了 GPT-Transcribe 的所有可用快照和别名。
gpt-transcribe
gpt-transcribe
gpt-transcribe
速率限制
速率限制通过对特定时间段内的请求数、Token 数、音频时长或其他用量设置具体上限，确保 API 访问的公平性和可靠性。您的用量层级决定了这些上限的高低，并会随着请求数量和 API 支出的增加而自动提升。
| 层级 | RPM | TPM |
|---|---|---|
| 免费 | 不支持 | |
| 层级 1 | 500 | 200,000 |
| 层级 2 | 5,000 | 2,000,000 |
| 层级 3 | 5,000 | 4,000,000 |
| 层级 4 | 10,000 | 10,000,000 |
| 层级 5 | 30,000 | 150,000,000 |