Skip to Content
モデルの使い方GPT 文字起こし

GPT 文字起こしシリーズ

OpenAI の文字起こしモデルです。POST /v1/audio/transcriptions で音声をアップロードすると、テキストが返ります。

モデル ID（そのままコピーしてください）
GPT Transcribeopenai/gpt-transcribe音声の秒数で課金
GPT-4o mini Transcribeopenai/gpt-4o-mini-transcribeトークンで課金

エンドポイントの共通パラメータは Audio Transcriptions API を参照してください。リアルタイムの価格はモデルページ を参照してください。単語単位のタイムスタンプや話者分離が必要な場合は、ElevenLabs Scribe v2 を使ってください。

呼び出し例

gpt_transcribe.py
import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
with open("meeting.mp3", "rb") as f:
    result = client.audio.transcriptions.create(
        model="openai/gpt-transcribe",
        file=f,
        language="zh",
        prompt="以下是普通话的句子，请使用简体中文。",
    )
print(result.text)
print(result.usage)

パラメータと課金

ポイント中国語（普通話）を文字起こしする場合は、language と prompt を同時に渡して簡体字を指定してください。指定しないと繁体字で出力されることがあります。
項目説明
language と prompt実測では、gpt-transcribe に language: "zh" だけを渡した場合、4 回中 1 回は繁体字で出力されました。prompt: "以下是普通话的句子，请使用简体中文。"（「以下は普通話の文です。簡体字中国語を使ってください。」の意）も同時に渡すと、4 回とも簡体字でした
response_formatjson（デフォルト）のみに対応。verbose_json、text、srt、vtt はいずれも 400 を返します
返却内容text と usage。単語単位のタイムスタンプは含まれません
課金gpt-transcribe は音声の秒数で課金され、usage は {"type": "duration", "seconds": ...} です。gpt-4o-mini-transcribe はトークンで課金され、usage に input_tokens、output_tokens が含まれます

実測では、約 9 秒の中国語の会話で、文字起こしは約 2〜3 秒で返りました。

よくあるエラー

HTTPエラーメッセージ原文原因対処方法
400response_format 'verbose_json' is not compatible with model 'gpt-transcribe'.GPT 文字起こしモデルは verbose_json に非対応json に変更する
400Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gatewaytext、srt、vtt を指定したjson に変更する
400Unsupported file format txtアップロードしたファイルが音声ではないmp3、wav などの音声をアップロードする

その他のエラーは Audio Transcriptions API を参照してください。

公式ドキュメント

よくある質問

GPT 文字起こしで中国語が繁体字で出力されるのはなぜですか？

language: "zh" と prompt: "以下是普通话的句子，请使用简体中文。" を同時に渡してください。実測では、language だけを渡した場合はときどき繁体字で出力されましたが、prompt を加えると安定して簡体字で出力されました。

GPT 文字起こしで srt 字幕を出力できますか？

できません。json のみに対応しています。タイムスタンプから字幕を作成したい場合は、単語ごとの開始・終了時刻を返す ElevenLabs Scribe v2 を使ってください。

gpt-transcribe と gpt-4o-mini-transcribe はどのように課金されますか？

gpt-transcribe は音声の秒数で、gpt-4o-mini-transcribe はトークンで課金されます。使用量はレスポンスの usage で確認できます。単価はモデルページを参照してください。

最終更新日
Gemini TTSDeepSeek