Skip to Content
ModèlesTranscription GPT

Famille de transcription GPT

Les modèles de transcription vocale d’OpenAI : envoyez un fichier audio à POST /v1/audio/transcriptions et récupérez le texte.

ID de modèle (à copier tel quel)
GPT Transcribeopenai/gpt-transcribeFacturé à la seconde audio
GPT-4o mini Transcribeopenai/gpt-4o-mini-transcribeFacturé au token

Les paramètres communs de l’endpoint sont décrits dans Audio Transcriptions API. Les prix en vigueur figurent sur la page du modèle . Si vous avez besoin d’horodatages mot par mot ou de la séparation des locuteurs, utilisez ElevenLabs Scribe v2.

Exemples d’appel

gpt_transcribe.py
import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/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)

Paramètres et facturation

L'essentielPour transcrire du mandarin, passez à la fois language et un prompt demandant le chinois simplifié, faute de quoi la sortie peut contenir des caractères traditionnels.
ÉlémentDescription
language et promptLors de nos tests, avec seulement language: "zh", gpt-transcribe a encore produit des caractères traditionnels 1 fois sur 4 ; en ajoutant prompt: "以下是普通话的句子，请使用简体中文。" (« Voici des phrases en mandarin ; utilisez le chinois simplifié. »), les 4 essais sont sortis en caractères simplifiés
response_formatSeul json (par défaut) est pris en charge. verbose_json, text, srt et vtt renvoient tous 400
Contenu renvoyétext et usage, sans horodatage mot par mot
Facturationgpt-transcribe est facturé à la seconde audio, avec usage de la forme {"type": "duration", "seconds": ...} ; gpt-4o-mini-transcribe est facturé au token, avec input_tokens et output_tokens dans usage

Lors de nos tests, une conversation en chinois d’environ 9 secondes est transcrite en 2 à 3 secondes environ.

Erreurs courantes

HTTPMessage d’erreurCauseSolution
400response_format 'verbose_json' is not compatible with model 'gpt-transcribe'.Les modèles de transcription GPT ne prennent pas en charge verbose_jsonUtilisez json
400Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gatewayUtilisation de text, srt ou vttUtilisez json
400Unsupported file format txtLe fichier envoyé n’est pas un fichier audioEnvoyez un fichier audio mp3, wav, etc.

D’autres erreurs sont décrites dans Audio Transcriptions API.

Documentation officielle

FAQ

La transcription GPT du chinois produit des caractères traditionnels ?

Passez à la fois language: "zh" et prompt: "以下是普通话的句子，请使用简体中文。". Lors de nos tests, avec language seul, la sortie était encore parfois en caractères traditionnels ; avec le prompt en plus, elle est systématiquement en caractères simplifiés.

La transcription GPT peut-elle produire des sous-titres srt ?

Non, seul json est pris en charge. Pour générer des sous-titres à partir d'horodatages, utilisez ElevenLabs Scribe v2, qui renvoie les instants de début et de fin de chaque mot.

Comment gpt-transcribe et gpt-4o-mini-transcribe sont-ils facturés ?

gpt-transcribe est facturé à la seconde audio ; gpt-4o-mini-transcribe est facturé au token, la consommation figurant dans le usage de la réponse. Les prix unitaires figurent sur la page du modèle.

Dernière mise à jour le
Gemini TTSDeepSeek