GPT-4o Transcribe Diarize は、GPT-4o の音声機能をベースにした OpenAI の高品質な音声認識（音声からテキスト）モデルで、2025-10-15 にリリースされました。話者分離に対応しており、会議やインタビューなど複数話者の録音に適しています。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・出力の token 単位で課金されるため、コストを token レベルで透明に把握できます。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
2025-10-15
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
$2.5/M
出力トークン
$10/M
音声入力
$6/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-transcribe-diarize", "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 Transcribe Diarize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。