GPT-4o Mini Transcribe は、GPT-4o Mini の音声機能をベースにした OpenAI の小型・低コストな音声認識（音声からテキスト）モデルで、2025-12-15 にリリースされました。音声入力を受け取って文字起こしテキストを返し、分単位ではなく入力・出力それぞれの token 単位で課金されるため、token レベルの課金の透明性を求めつつコストを抑えたい大量文字起こしのワークフローに適しています。Ofox 経由で OpenAI 互換プロトコルから利用できます。
リリース日
2025-12-15
機能
音声入力
利用可能なプロバイダー
Azure
対応プロトコル
openai
プロバイダー
Azure
入力トークン
$1.25/M
出力トークン
$5/M
音声入力
$3/M
Web検索
$0.035/R
対応プロトコル
openai
/v1/audio/transcriptionsコード例
import requestswith open("speech.mp3", "rb") as audio:response = requests.post("https://api.ofox.ai/v1/audio/transcriptions",headers={"Authorization": "Bearer YOUR_OFOX_API_KEY"},data={"model": "openai/gpt-4o-mini-transcribe", "language": "en", "provider_options": '{"elevenlabs":{"diarize":true,"tag_audio_events":true,"diarization_threshold":0.2}}'},files={"file": ("speech.mp3", audio, "audio/mpeg")},)response.raise_for_status()print(response.json())
音声をアップロードして文字に変換できます。話者の識別、話者数の指定、音声イベントのラベル付けに対応しています。
関連モデル
よくある質問
ベースURLをhttps://api.ofox.ai/v1に設定し、Ofox APIキーを使用するだけ。OpenAI互換APIなので、既存コードのベースURLとAPIキーを変更するだけです。
OpenAI: GPT 4o Mini Transcribeは以下の機能に対応：音声入力。Ofox.ai統合APIですべての機能にアクセスできます。