gpt-4o-transcribe
语音大模型GPT-4o-Transcribe
发布时间: 2025-03-20
模型参数（Parameters）
未披露
最高上下文长度（Context Length）
4K
是否支持中文
支持
推理能力（Reasoning）
模型基本信息
最高上下文输入长度
4K tokens
最长输出结果
未披露
模型类型
语音大模型
发布时间
2025-03-20
模型预文件大小
0
开源和体验地址
官方介绍与博客
API接口信息
接口速度
暂无数据
接口价格
输入价格:
- 文本: 暂无数据
- 图片: 暂无数据
- 音频: 暂无数据
- 视频: 暂无数据
- Embedding: 暂无数据
输出价格:
- 文本: 暂无数据
- 图片: 暂无数据
- 音频: 暂无数据
- 视频: 暂无数据
- Embedding: 暂无数据
输入支持的模态
文本
输入不支持
图片
输入不支持
视频
输入不支持
音频
输入不支持
Embedding（向量）
输入不支持
输出支持的模态
文本
输出不支持
图片
输出不支持
视频
输出不支持
音频
输出不支持
Embedding（向量）
输出不支持
gpt-4o-transcribe模型在各大评测榜单的评分
发布机构
OpenAI
查看发布机构详情
模型介绍
GPT-4o-Transcribe是OpenAI在2025年3月21日发布的自动语音识别的大模型，用于替换2年前OpenAI开源的Whisper系列自动语音识别模型，它是基于GPT-4o架构构建，识别错误率相比此前模型更低，在英文的错字率（word error rate）仅有2.46%。
GPT-4o-Transcribe支持100多种语言的自动语音识别，支持噪音消除和基于语义的语音分割（也就是根据语音的语义来进行语音分割，降低识别错误率）。
GPT-4o-Transcribe在大量的高质量、多样化的语音数据集上训练，引入来强化学习和midtraining技术来处理具有挑战性的场景。
GPT-4o-Transcribe不开源，目前仅通过API提供，每100万语音输入的tokens需要6美元（大约一分钟0.006分钱）。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
