Skip to Content
МоделиТранскрипция GPT

Семейство GPT Transcribe

Модели транскрибации речи от OpenAI: аудио загружается через POST /v1/audio/transcriptions, в ответ возвращается текст.

ID моделей (копируйте без изменений)
GPT Transcribeopenai/gpt-transcribeОплата по секундам аудио
GPT-4o mini Transcribeopenai/gpt-4o-mini-transcribeОплата по токенам

Общие параметры эндпоинта описаны в разделе Audio Transcriptions API. Актуальные цены см. на странице модели . Если нужны пословные временные метки или разделение дикторов, используйте ElevenLabs Scribe v2.

Примеры вызова

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)

Параметры и тарификация

КраткоПри транскрибации путунхуа передавайте одновременно language и prompt с указанием использовать упрощённые иероглифы — иначе в результате могут появиться традиционные иероглифы.
ПунктОписание
language и promptВ наших тестах gpt-transcribe только с language: "zh" в 1 случае из 4 всё равно выдавал традиционные иероглифы; при дополнительной передаче prompt: "以下是普通话的句子，请使用简体中文。" все 4 результата были в упрощённых иероглифах
response_formatПоддерживается только json (по умолчанию). verbose_json, text, srt и vtt возвращают 400
Содержимое ответаtext и usage, без пословных временных меток
Тарификацияgpt-transcribe — по секундам аудио, usage имеет вид {"type": "duration", "seconds": ...}; gpt-4o-mini-transcribe — по токенам, usage содержит input_tokens и output_tokens

В наших тестах транскрипция китайского диалога длиной около 9 секунд возвращалась примерно за 2–3 секунды.

Распространённые ошибки

HTTPТекст ошибкиПричинаРешение
400response_format 'verbose_json' is not compatible with model 'gpt-transcribe'.Модели транскрибации GPT не поддерживают verbose_jsonИспользуйте json
400Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gatewayУказан text, srt или vttИспользуйте json
400Unsupported file format txtЗагружен не аудиофайлЗагрузите аудио, например mp3 или wav

Другие ошибки — в разделе Audio Transcriptions API.

Официальная документация

Часто задаваемые вопросы

Транскрибация GPT выдаёт китайский текст традиционными иероглифами — что делать?

Передайте одновременно language: "zh" и prompt: "以下是普通话的句子，请使用简体中文。". В наших тестах только с language модель иногда всё равно выдавала традиционные иероглифы, а с добавленным prompt стабильно выдавала упрощённые.

Может ли транскрибация GPT выдавать субтитры srt?

Нет, поддерживается только json. Если для субтитров нужны временные метки, используйте ElevenLabs Scribe v2 — она возвращает время начала и конца каждого слова.

Как тарифицируются gpt-transcribe и gpt-4o-mini-transcribe?

gpt-transcribe оплачивается по секундам аудио; gpt-4o-mini-transcribe — по токенам, расход указан в поле usage ответа. Цены см. на странице модели.

Обновлено
Gemini TTSDeepSeek