Skip to Content
模型用法GPT 转录

GPT 转录系列

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 Transcribeopenai/gpt-transcribe按音频秒数计费
GPT-4o mini Transcribeopenai/gpt-4o-mini-transcribe按 token 计费

接口的通用参数见 Audio Transcriptions API。实时价格请参阅模型页 。需要逐词时间戳或说话人分离时，请使用 ElevenLabs Scribe v2。

调用示例

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)

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
400response_format 'verbose_json' is not compatible with model 'gpt-transcribe'.GPT 转录模型不支持 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上传的不是音频文件上传 mp3、wav 等音频

更多报错见 Audio Transcriptions API。

官方文档

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。

最后更新于
Gemini TTSDeepSeek