Skip to Content
模型用法GPT 轉錄

GPT 轉錄系列

OpenAI 的語音轉錄模型，透過 POST /v1/audio/transcriptions 上傳音訊，返回文字。

模型 ID（呼叫時原樣複製）
GPT Transcribeopenai/gpt-transcribe按音訊秒數計費
GPT-4o mini Transcribeopenai/gpt-4o-mini-transcribe按 token 計費

介面的通用參數見 Audio Transcriptions API。即時價格請參閱模型頁 。需要逐詞時間戳記或說話者分離時，請使用 ElevenLabs Scribe v2。

呼叫範例

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)

參數與計費

重點轉錄普通話時，請同時傳入 language 與 prompt，指定使用簡體中文，否則可能輸出繁體字。
項目說明
language 與 prompt實測 gpt-transcribe 只傳 language: "zh" 時，4 次中仍有 1 次輸出繁體；同時傳入 prompt: "以下是普通话的句子，请使用简体中文。" 後，4 次皆為簡體
response_format僅支援 json（預設）。verbose_json、text、srt、vtt 皆返回 400
返回內容text 與 usage，不含逐詞時間戳記
計費gpt-transcribe 按音訊秒數，usage 為 {"type": "duration", "seconds": ...}；gpt-4o-mini-transcribe 按 token，usage 中含 input_tokens、output_tokens

實測約 9 秒的中文對話，轉錄約 2 至 3 秒返回。

常見錯誤

HTTP錯誤原文原因處理方法
400response_format 'verbose_json' is not compatible with model 'gpt-transcribe'.GPT 轉錄模型不支援 verbose_json改用 json
400Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gateway使用了 text、srt、vtt改用 json
400Unsupported file format txt上傳的不是音訊檔案上傳 mp3、wav 等音訊

更多錯誤見 Audio Transcriptions API。

官方文件

常見問題

GPT 轉錄中文時輸出了繁體字？

同時傳入 language: "zh" 與 prompt: "以下是普通话的句子，请使用简体中文。"。實測只傳 language 時仍偶爾輸出繁體，加上 prompt 後穩定輸出簡體。

GPT 轉錄能輸出 srt 字幕嗎？

不能，僅支援 json。需要時間戳記來產生字幕時，請使用 ElevenLabs Scribe v2，它會返回逐詞的起訖時間。

gpt-transcribe 和 gpt-4o-mini-transcribe 怎麼計費？

gpt-transcribe 按音訊秒數計費；gpt-4o-mini-transcribe 按 token 計費，用量見回應的 usage。單價見模型頁。

最後更新於
Gemini TTSDeepSeek