# GPT 转录 API：gpt-transcribe 与 gpt-4o-mini-transcribe 语音转文字

Source: https://ofox.ai/zh/docs/develop/models/gpt-transcribe

OpenAI 的语音转录模型，通过 `POST /v1/audio/transcriptions` 上传音频，返回文字。

**模型 ID（调用时原样复制）**

- GPT Transcribe: `openai/gpt-transcribe` — 按音频秒数计费
- GPT-4o mini Transcribe: `openai/gpt-4o-mini-transcribe` — 按 token 计费

接口的通用参数见 [Audio Transcriptions API](https://ofox.ai/zh/docs/api/openai/audio-transcriptions)。实时价格请参阅[模型页](https://ofox.ai/zh/models/openai/gpt-transcribe)。需要逐词时间戳或说话人分离时，请使用 [ElevenLabs Scribe v2](https://ofox.ai/zh/docs/develop/models/elevenlabs#scribe)。

## 调用示例

**Python**

```python filename="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)
```

**cURL**

```bash filename="Terminal"
curl https://api.ofox.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -F model=openai/gpt-transcribe \
  -F language=zh \
  -F prompt="以下是普通话的句子，请使用简体中文。" \
  -F file=@meeting.mp3
```

## 参数与计费

**要点**:转录普通话时，请同时传入 language 与 prompt，指定使用简体中文，否则可能输出繁体字。

| 项目 | 说明 |
|---|---|
| `language` 与 `prompt` | 实测 `gpt-transcribe` 只传 `language: "zh"` 时，4 次中仍有 1 次输出繁体；同时传入 `prompt: "以下是普通话的句子，请使用简体中文。"` 后，4 次均为简体 |
| `response_format` | 仅支持 `json`（默认）。`verbose_json`、`text`、`srt`、`vtt` 均返回 400 |
| 返回内容 | `text` 与 `usage`，不含逐词时间戳 |
| 计费 | `gpt-transcribe` 按音频秒数，`usage` 为 `{"type": "duration", "seconds": ...}`；`gpt-4o-mini-transcribe` 按 token，`usage` 中含 `input_tokens`、`output_tokens` |

实测约 9 秒的中文对话，转录约 2 至 3 秒返回。

## 常见报错
| HTTP | 报错原文 | 原因 | 处理方法 |
|---|---|---|---|
| 400 | `response_format 'verbose_json' is not compatible with model 'gpt-transcribe'.` | GPT 转录模型不支持 `verbose_json` | 改用 `json` |
| 400 | `Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gateway` | 使用了 `text`、`srt`、`vtt` | 改用 `json` |
| 400 | `Unsupported file format txt` | 上传的不是音频文件 | 上传 `mp3`、`wav` 等音频 |

更多报错见 [Audio Transcriptions API](https://ofox.ai/zh/docs/api/openai/audio-transcriptions#errors)。

## 官方文档
- [OpenAI · 语音转文字](https://platform.openai.com/docs/guides/speech-to-text)

## 常见问题

**GPT 转录中文输出了繁体字？**

同时传入 language: "zh" 与 prompt: "以下是普通话的句子，请使用简体中文。"。实测只传 language 时仍偶尔输出繁体，加上 prompt 后稳定输出简体。

**GPT 转录能输出 srt 字幕吗？**

不能，仅支持 json。需要时间戳生成字幕时，请使用 ElevenLabs Scribe v2，它返回逐词的起止时间。

**gpt-transcribe 和 gpt-4o-mini-transcribe 怎么计费？**

gpt-transcribe 按音频秒数计费；gpt-4o-mini-transcribe 按 token 计费，用量见响应的 usage。单价见模型页。