GPT-Transcribe مقابل GPT-Live-Transcribe: API والأسعار
فيما يلي مقارنة عملية بين GPT-Transcribe (تفريغ دفعي/غير متزامن) وGPT-Live-Transcribe (تفريغ زمني مباشر). تختلف الأرقام الدقيقة بحسب آخر تحديثات التسعير والوثائق الرسمية، لذا يُنصح بالتحقق من صفحة التسعير والـAPI المرجعية قبل الإطلاق:
- التسعير
- GPT-Transcribe:
- يُحاسَب عادةً بحسب مدة الصوت المرفوع (بالدقيقة/الثانية).
- مناسب للملفات المسجلة والسيناريوهات غير التفاعلية بكلفة أقل لكل دقيقة مقارنة بالزمن الحقيقي غالباً.
- يدعم مخرجات متعددة التنسيق (JSON/SRT/VTT) بحسب النموذج/الإصدار.
- GPT-Live-Transcribe:
- يُحاسَب عادةً على مدة البث الصوتي في الجلسة الزمنية المباشرة، وأحياناً مع حد أدنى لكل جلسة أو تسعير خاص بقناة Realtime.
- الكلفة لكل دقيقة قد تكون أعلى مقابل الكمون المنخفض والبث الثنائي الاتجاه.
- تحقق من أي رسوم إضافية متعلقة بعدد الاتصالات المتزامنة أو أحداث البث.
- الكمون (Latency)
- GPT-Transcribe:
- كمون يعتمد على مدة الملف وحجم الرفع والمعالجة؛ النتائج نهائية بعد إتمام المعالجة.
- يناسب معالجة دفعات كبيرة وجودة نص نهائية دون حاجة إلى نتائج جزئية فورية.
- GPT-Live-Transcribe:
- نتائج جزئية شبه فورية (جزء من الثانية) مع نتائج نهائية عند انقضاء مقطع الكلام.
- يتأثر الكمون بعوامل مثل VAD/التجزئة وجودة الشبكة وحجم دفعات الصوت (20–60 مللي ثانية شائعة للبث).
- تدفقات واجهة البرمجة (API Workflows)
- GPT-Transcribe:
- REST عبر نقطة /audio/transcriptions (تحميل ملف multipart/form-data مع model، file، والخيارات).
- معلمات شائعة: language، response_format (json/srt/vtt)، timestamp_granularity (word/segment) إن كانت مدعومة، prompt/hints إن توفرت، وإعدادات التصفية والتنميط إن كانت متاحة.
- أنماط تشغيل: ملف كامل، أو تقطيع الملف محلياً للتوازي/الاستئناف، مع معالجة أخطاء مثل 413/429 وخوارزميات إعادة المحاولة.
- GPT-Live-Transcribe:
- Realtime API عادةً عبر WebSocket (وأحياناً WebRTC) مع جلسة تضبط model، sample_rate، تنسيق الصوت (PCM/Opus)، وتمكين partial_results وVAD/endpointing.
- ترسل دفعات الصوت المشفرة base64 وتتلقى أحداث transcript.partial وtranscript.final مع أختام زمنية وثقة، وربما قناة/متحدث إذا كانت مدعومة.
- إدارة الجلسة: إنشاء/تحديث إعدادات الجلسة أثناء التشغيل، وإرفاق سياق نصي لتوجيه الإخراج، والتعامل مع reconnect/backoff.
- التحكم في السياق (Context Controls)
- إرشادات/تعليمات نصية لتوحيد الترميز، أسلوب الكتابة، الصياغة المطلوبة (قوائم نقطية، جمل كاملة، ترقيم… إلخ).
- تحديد اللغة target أو تمكين الترجمة بدلاً من التفريغ الحرفي إذا كان خيار الترجمة متاحاً.
- تعزيز مفردات/عبارات مخصّصة (custom phrases/boosting) للأسماء التجارية والمصطلحات النادرة إن كانت مدعومة.
- خيارات تفريغ القنوات/المتحدثين (diarization/channel labeling) وتمكين أختام زمنية على مستوى الكلمة/المقطع إذا كانت متاحة.
- في الزمن الحقيقي: ضبط حساسية كشف نهاية الكلام، توازن بين سرعة النتائج الجزئية واستقرار النتائج النهائية.
- القيود المعروفة
- دقة الأسماء النادرة والاختصارات والمصطلحات المتخصصة دون تعزيز مفردات قد تكون محدودة.
- ضوضاء الخلفية وتداخل المتحدثين يؤثران على الدقة، خاصةً في الزمن الحقيقي.
- الترقيم وعلامات الوقف والتشكيل بالعربية قد تتفاوت بحسب المجال ونظافة الصوت.
- نتائج جزئية متذبذبة في البث تتطلب منطق دمج/استقرار على مستوى العميل.
- حدود المدة/الحجم/معدل الطلبات وسياسات الاحتفاظ بالبيانات قد تنطبق وفق إعدادات الحساب والمنطقة.
- دعم ميزات مثل تقسيم المتحدثين، إخفاء البيانات الحساسة، أو لواحق تنسيق محددة قد يختلف بين النموذجين والإصدارات.
- خطوات الهجرة الموصى بها
1) تصنيف حالات الاستخدام: ما يحتاج دفعات غير تفاعلية إلى GPT-Transcribe، وما يحتاج تفاعلاً فورياً إلى GPT-Live-Transcribe.
2) تبديل النماذج ونقاط النهاية:
- استبدل استدعاءات /audio/transcriptions بالموديل GPT-Transcribe للملفات.
- أضف/استبدل مسار Realtime WebSocket لاستخدام GPT-Live-Transcribe للبث.
3) ترميز الصوت:
- وحّد sample_rate (مثل 16 kHz) والترميز (PCM أحادي/Opus) والنافذة الزمنية للدفعات (20–60 مللي ثانية للبث).
- للملفات الكبيرة، اعتمد التقطيع المحلي والاستئناف وتجزئة النتائج إن لزم.
4) السياق والتخصيص:
- املأ prompt/instructions لتنسيق الإخراج (ترقيم/أسلوب)، وفعّل language/translate حسب الحاجة.
- أضِف custom phrases/boosting للأسماء والمصطلحات الحرجة إن كانت مدعومة.
5) المخرجات والتكامل:
- حدّث المحلّلات للتعامل مع JSON/SRT/VTT، وفكّ تجميع partial/final في الزمن الحقيقي.
- وحّد تمثيل الأختام الزمنية، والمتحدث/القناة إن لزم.
6) الاعتمادية والأداء:
- نفّذ إعادة المحاولة مع backoff لأخطاء 429/5xx، وتعامل مع 413 بالتقطيع.
- للبث: منطق إعادة الاتصال، قياس كمون النتائج الجزئية والنهائية، وضبط VAD/التجزئة.
7) الأمن والامتثال:
- راجع سياسات الاحتفاظ بالبيانات وخيارات التعطيل/التحكم إن توفرت، وتحقق من الامتثال المحلي.
- استخدم TLS افتراضياً وتحقق من القيود الإقليمية إن وُجدت.
8) القياس والتحسين:
- قارن WER، ودقة المصطلحات، والكمون، والتكلفة لكل ساعة صوت بين القديم والجديد.
- نفّذ تجارب A/B على عينات ممثلة للمجال.
9) الطرح التدريجي:
- ابدأ بنطاق محدود/قناة كاناري، مع مسار رجوع للنموذج السابق حتى الاستقرار.
- متى تختار أيهما؟
- اختر GPT-Transcribe عندما تكون التكلفة والكمال النصي النهائي والدفعات الكبيرة أولوية، ولا حاجة لزمن حقيقي.
- اختر GPT-Live-Transcribe عندما تكون الاستجابة الفورية وتجربة المستخدم التفاعلية (دعم اجتماعات، مساعدين صوتيين) هي الأهم، وتقبل تكلفة أعلى ومنطق دمج النتائج الجزئية.
للحصول على أرقام التسعير الدقيقة ومعلمات الطلب المدعومة فعلياً لكل نموذج، يرجى الرجوع إلى صفحة التسعير الرسمية ووثائق الـAPI الخاصة بإصدار GPT-Transcribe وGPT-Live-Transcribe الذي تنوي استخدامه. وإذا شاركتني روابط الوثائق/الإصدارات المستهدفة، يمكنني مواءمة التفاصيل خطوة بخطوة وفقها.
GPT-Transcribe مقابل GPT-Live-Transcribe: التسعير، فروق واجهة البرمجة، وخطوات الهجرة
الخلاصة
استخدم gpt-transcribe للتسجيلات المكتملة بسعر $0.0045 لكل دقيقة صوتية، وgpt-live-transcribe للميكروفونات أو المكالمات أو البثوصات الحية بسعر $0.017 لكل دقيقة. تشير تقارير OpenAI إلى خطأ تفريغ أقل للنموذج الحي مقارنة بـ GPT-Realtime-Whisper على معاييرها المنشورة، لكن المسار المناسب يعتمد على توقيت ظهور النص، وحقول المخرجات المطلوبة، وأداء كلا النموذجين على صوتك الإنتاجي.
GPT-Transcribe مقابل GPT-Live-Transcribe باختصار
إذا كنت تحتاج فقط إلى التفريغ بعد اكتمال التسجيل، استخدم gpt-transcribe. إذا كان تطبيقك يحتاج نصاً أثناء وصول الصوت، استخدم gpt-live-transcribe. أكبر الفروق ليست السعر فحسب، بل أيضاً توقيت بدء التفريغ ونوع سير عمل واجهة البرمجة الذي يجب أن يدعمه تطبيقك.
/v1/audio/transcriptions؛ خيار سير عمل Realtime قائم على الأدوار الملتزمة
جلسات تفريغ Realtime (v1/realtime/transcription_sessions أو ما شابه)
Connection
رفع ملف؛ خيار بث الاستجابة أثناء معالجة الملف
WebSocket لمسارات الخادم أو WebRTC لصوت المتصفح
When transcription begins
بعد إرسال ملف أو التزام دور صوتي
أثناء وصول الصوت
Partial transcript output
نعم، مع بث الملف أو بث الدور الملتزم
نعم، أثناء وصول الكلام الحي
Context controls
prompt, keywords, languages
prompt, keywords, languages, delay
Detected-language output
نعم، عندما يستطيع النموذج تقديم تنبؤ موثوق
لا
Important limitations
حد رفع 25 MB؛ مسارات أخرى مطلوبة للطرقات الزمنية، التفريق بين المتحدثين، أو الترجمة
لا توجد طوابع زمنية على مستوى الكلمات، ولا تسميات متحدثين، ولا درجات ثقة
على الرغم من أن gpt-transcribe يمكنه إرجاع تحديثات جزئية للنص أثناء معالجة ملف مكتمل أو دور صوتي ملتزم، فإنه ليس مسار بث حي مستمر. للتسميات الحية، المكالمات، أو إدخال الميكروفون، يُعد gpt-live-transcribe الخيار الأفضل.
قدمت OpenAI gpt-transcribe وgpt-live-transcribe في 29 يوليو 2026. يعالج gpt-transcribe التسجيلات المكتملة، تفريغ ملفات مُذاعة، والأدوار الملتزمة ضمن Realtime، بينما يُرجع gpt-live-transcribe تحديثات نصية منخفضة الكمون أثناء وصول الصوت من الميكروفونات، المكالمات، أو بثوصات الوسائط الحية.
يوفر النموذجان مسارات افتراضية جديدة للتفريغ العام للملفات والبث الحي، لكن تبقى مسارات Whisper وGPT-4o المتخصصة مطلوبة للطوابع الزمنية، الترجمة، العناوين الفرعية، وتفريق المتحدثين.
متى يستحق GPT-Live-Transcribe السعر الأعلى؟
تسرد صفحة تسعير API من OpenAIgpt-transcribe بسعر $0.0045 في الدقيقة وgpt-live-transcribe بسعر $0.017 في الدقيقة. لذلك يكلف المسار الحي حوالي 3.8 مرات أكثر لكل دقيقة صوتية.
Monthly audio volume
gpt-transcribe
gpt-live-transcribe
Additional live cost
100 hours
$27
$102
$75
1,000 hours
$270
$1,020
$750
10,000 hours
$2,700
$10,200
$7,500
تستخدم تقديرات تكلفة التفريغ هذه معدلات OpenAI الأساسية المنشورة فقط: ساعات الصوت × 60 × السعر لكل دقيقة. وهي لا تشمل التخزين، نقل الشبكة، المحاولات المعادَة، استضافة التطبيق، المعالجة اللاحقة، التصحيح البشري، وتكاليف مزوّد احتياطي.
اختر gpt-live-transcribe عندما تكون التسميات الفورية، مساعدة العملاء، الإشراف، أو التفاعل اللحظي جزءاً من متطلبات المنتج. واختر gpt-transcribe عندما يكون النص مطلوباً فقط بعد اكتمال اجتماع، مكالمة، مقابلة، أو رفع وسائط. يمكن لهندسة بمسارين أن تستخدم التفريغ الحي لتجربة المستخدم وتفريغ الملف للمعالجة اللاحقة للمكالمة أو الاستدراكات.
تسرد OpenAI حالياً GPT-Realtime-Whisper وgpt-live-transcribe بالسعر الأساسي ذاته $0.017 لكل دقيقة. قيّم الهجرة بين هذين المسارين الحيين وفق جودة النص المقبول، الكمون، معالجة الأحداث، والتوافق التشغيلي بدلاً من الاعتماد على السعر المعلن وحده.
كيف تختلف واجهات برمجة GPT-Transcribe وGPT-Live-Transcribe؟
الفرق الرئيسي هو كيفية دخول الصوت إلى النظام ومتى تبدأ أحداث التفريغ. يقبل gpt-transcribe ملفات مكتملة أو أدواراً صوتية ملتزمة، بينما يحافظ gpt-live-transcribe على اتصال Realtime ويصدر تحديثات نصية أثناء وصول الصوت.
استخدم GPT-Transcribe للصوت المكتمل
للتسجيل المكتمل، أرسل الملف إلى /v1/audio/transcriptions. إن دليل تفريغ الملفات من OpenAI يقبل ملفات حتى 25 MB بصيغ mp3، mp4، mpeg، mpga، m4a، wav، أو webm.
from openai import OpenAI
client = OpenAI()
with open("support-call.wav", "rb") as audio_file:
transcript = client.audio.transcriptions.create(
model="gpt-transcribe",
file=audio_file,
prompt="A support call about a premium plan and account AC-42.",
extra_body={
"keywords": ["premium plan", "AC-42", "billing"],
"languages": ["en"],
},
)
print(transcript.text)
عيّن stream=True لاستقبال أحداث دلتا للنص أثناء معالجة التسجيل المرفوع. هذا يقلّل زمن الانتظار لظهور النص، لكنه لا يحوّل مسار الملفات إلى إدخال حي من الميكروفون.
استخدم GPT-Live-Transcribe للصوت الوافد
أنشئ جلسة Realtime مع type: "transcription" واختر gpt-live-transcribe. استخدم WebSocket لمسارات الوسائط على الخادم أو WebRTC لصوت المتصفح.
{
"type": "session.update",
"session": {
"type": "transcription",
"audio": {
"input": {
"format": {
"type": "audio/pcm",
"rate": 24000
},
"transcription": {
"model": "gpt-live-transcribe",
"prompt": "A support call about a premium plan and account AC-42.",
"keywords": ["premium plan", "AC-42", "billing"],
"languages": ["en"],
"delay": "low"
},
"turn_detection": null
}
}
}
}
ألحِق مقاطع الصوت عبر input_audio_buffer.append. يمكن للتطبيق الالتزام بالأدوار عبر input_audio_buffer.commit أو تهيئة كشف نشاط الصوت على الخادم.
إن دليل التفريغ Realtime يُرجع نصاً متزايداً عبر conversation.item.input_audio_transcription.delta، يتبعه conversation.item.input_audio_transcription.completed للبند الملتزم. لا يُضمن وصول أحداث الإكمال من أدوار مختلفة بالترتيب نفسه، لذا سوِّها باستخدام item_id بدلاً من ترتيب الوصول.
استخدم مسار الدور الملتزم عندما لا تكون الحاجة الفورية للنص ضرورية
يمكن تشغيل gpt-transcribe أيضاً ضمن جلسة تفريغ Realtime عبر WebSocket. يبدأ التفريغ بعد الالتزام بدور صوتي، ويمكن للنموذج استخدام الأدوار المفرّغة السابقة كسياق، ويمكن أن يتضمن حدث الإكمال اللغات المكتشفة.
هذا المسار مفيد عندما يكون بث النص المعتمد على الأدوار أو اكتشاف اللغة أهم من عرض النص أثناء استمرار حديث المتحدث. لا ينبغي الخلط بينه وبين السلوك المستمر منخفض الكمون لـ gpt-live-transcribe.
كيف تؤثر prompt وkeywords وlanguages وdelay على التفريغ؟
يقبل النموذجان سياقاً يمكنه تحسين تعرف الأسماء، الأرقام، الاختصارات، مصطلحات المنتجات، الكلام بلكنات، الصوت متعدد اللغات، وتبديل اللغات.
Control
Purpose
Production caution
prompt
وصف التسجيل، المتحدث، المجال، أو الموضوع المتوقع
قد يؤدي السياق المفرط التخصيص إلى تحيز النص
keywords
تقديم أسماء حرفية، اختصارات، صيغ حسابات، أو مصطلحات تقنية
التلميحات ليست مخرجات إلزامية؛ اختبر إدراج مصطلحات غير منطوقة
languages
سرد لغة واحدة أو أكثر متوقعة للإدخال
الرموز غير المدعومة أو المُنسّقة بشكل خاطئ تؤدي للرفض
delay
المقايضة بين دلتات أبكر مقابل سياق صوتي أكبر
متاح لـ gpt-live-transcribe؛ قِس الأداء بدلاً من افتراض كمون ثابت
بالنسبة للنماذج الجديدة، تستبدل languages الحقل الأقدم language. لا ترسلهما معاً. يجب أن يبقى كل keyword على سطر واحد ولا يحتوي على < أو > أو عودة عربة أو سطر جديد؛ القيم غير الصالحة تؤدي إلى رفض الطلب أو تحديث الجلسة.
يدعم gpt-live-transcribe مستويات delay: minimal وlow وmedium وhigh وxhigh. تفضّل الإعدادات الأدنى نصاً جزئياً أبكر، بينما توفر الإعدادات الأعلى سياقاً صوتياً أكبر وقد تحسن جودة التفريغ. لا تعد OpenAI بكمون ثابت لكل مستوى، لذا قِس زمن الوصول لأول دلتا وزمن الوصول للنص النهائي على ميكروفونات، ترميزات، شبكات، لغات، وأطوال جلسات ممثلة.
ماذا تُظهر معايير دقة OpenAI؟
تفيد إعلان الإطلاق من OpenAI بأن gpt-live-transcribe تفوق على GPT-Realtime-Whisper-1 في اختبارين متعددَي اللغات. كما يذكر أن السياق الحر حسّن الدقة الدلالية في تقييم Context Aware ASR.
OpenAI evaluation
gpt-live-transcribe result
Comparison
Reported change
Context Aware ASR semantic accuracy
44.6% with free-form context
38.5% without context
+6.1 percentage points
Common Voice, 22 languages, transcription error rate
الاستنتاج المتحفظ ضيق: أدّى النموذج الحي الجديد بشكل أفضل في اختبارات OpenAI المعلنة، وحسّن السياق المُتاح الدقة الدلالية المُبلّغ عنها. لا تضمن هذه النتائج المُبلّغ عنها من المورّد التحسين ذاته لكل لغة، ترميز هاتف، ميكروفون، إعداد delay، مفردات مجال، أو سياسة تصحيح.
متى ينبغي استخدام Whisper أو GPT-4o Transcribe بدلاً من ذلك؟
لا يستبدل أيٌّ من النموذجين كل مسارات تحويل الكلام إلى نص.
Requirement
Recommended route
التفريغ العام لملفات مكتملة
gpt-transcribe
تسميات حية منخفضة الكمون أو تفريغ مكالمات
gpt-live-transcribe
تسميات المتحدثين للتسجيلات المكتملة
gpt-4o-transcribe-diarize مع diarized_json
طوابع زمنية للكلمات أو المقاطع
whisper-1 مع timestamp_granularities[]
ترجمة صوت غير إنجليزي مكتمل إلى الإنجليزية
/v1/audio/translations مع whisper-1
بالنسبة للتفريق بين المتحدثين، تتطلب OpenAI واجهة Transcriptions للملفات؛ لا يُدعم وضع تسميات المتحدثين في جلسات التفريغ Realtime. للتسجيلات الأطول من 30 ثانية، اضبط chunking_strategy على "auto" أو استخدم إعداد كشف نشاط الصوت.
تغيير معرّف النموذج هو الخطوة الأولى فقط. تحقق من سير العمل كاملاً قبل تحويل حركة الإنتاج.
Check
Required action
Risk if skipped
Route selection
فصل التسجيلات المكتملة عن الأحمال الحقيقية الحية
دفع سعر المسار الحي للوظائف غير المتزامنة
Language fields
استبدال language بـ languages للنماذج الجديدة؛ لا ترسل كليهما
رفض الطلبات أو الجلسات
Context hints
اختبار prompts وkeywords على الأسماء، الأرقام، المصطلحات، والكلام المزعج
مصطلحات منحازة أو مُدرجة دون أن تُنطق
Delay setting
قياس الأقل، المتوسط، والعالي على صوت ممثل
اختيار السرعة أو الدقة دون بيانات
Event handling
تسوية الدلتات وأحداث الإكمال باستخدام item_id
نصوص خارج الترتيب أو مستبدلة
Feature parity
جرد الاعتمادات على التفريق، الطوابع الزمنية، الثقة، العناوين الفرعية، والترجمة
فقدان حقول لاحقة
Cost telemetry
تسجيل دقائق الصوت، المحاولات، النتائج الفاشلة، وقت التصحيح البشري، ومعدل النص المقبول
الخلط بين السعر المعلن وتكلفة سير العمل
Rollout
اختبار ظلّي، طرح مرحلي لحصة صغيرة، والاحتفاظ بمسار رجوع
تدهور واسع دون تراجع سريع
لهجرة GPT-Realtime-Whisper، احتفظ بتنسيق الصوت، سياسة كشف الأدوار، مجموعة الاختبار، وهدف الكمون ثابتة. ونظراً لأن السعر الحي المنشور لم يتغير، أعطِ الأولوية لمعدل النص المقبول، توزيع الكمون، استقرار المخرجات، والتوافق مع بقية خط الأنابيب.
صوت مسجل/دفعات → التحويل إلى gpt-transcribe على مسار /v1/audio/transcriptions القائم.
صوت حي مستمر → التحويل إلى gpt-live-transcribe في جلسة تفريغ Realtime.
دقة أعلى بعد دور ملتزم → استخدم gpt-transcribe داخل جلسة Realtime.
مثال هجرة ملف مصغّر (Python):
Python
# Before (Whisper)with open("meeting.wav", "rb") as audio: result = client.audio.transcriptions.create( model="whisper-1", file=audio, language="en", prompt="Support call about AC-42" )# After (GPT-Transcribe)with open("meeting.wav", "rb") as audio: result = client.audio.transcriptions.create( model="gpt-transcribe", file=audio, prompt="A customer support call about billing", extra_body={ "keywords": ["AC-42", "Premium Plus"], "languages": ["en", "fr"] }, response_format="json" # or stream=True for deltas )
ملاحظات الهجرة الحية:
احتفظ بهيكل جلسة Realtime / WebSocket نفسه.
غيّر معرّف النموذج واستبدل الحقل المفرد language بمصفوفة languages.
أضِف prompt وkeywords وdelay الاختيارية (مثل "low").
استمر في التعامل مع أحداث delta/completed نفسها.
لا ترسل language وlanguages معاً.
تحذيرات مهمة عند الهجرة:
لا يدعم GPT-Transcribe/GPT-Live-Transcribe طوابع الكلمات الزمنية، SRT/VTT، أو الترجمة إلى الإنجليزية بالطريقة نفسها التي يعمل بها whisper-1. احتفظ بـ Whisper لهذه الاحتياجات.
تختلف صيغ الاستجابة — لا تفترض أن text أو verbose_json أو srt أو vtt تعمل بشكل مماثل.
يجب أن تكون keywords سلاسل أحادية السطر (بدون < أو > أو CR أو LF) وإلا يُرفَض الطلب.
اختبر على صوت إنتاجي ممثل (لكنات، ضوضاء، مصطلحات المجال، عبارات قصيرة) بدلاً من الاعتماد فقط على أرقام WER المنشورة.
احسب تكلفة كل نص مقبول، ثم نفّذ طرحاً مرحلياً لسياسة التوجيه المختارة قبل الهجرة الكاملة.
قد يستخدم التصميم النهائي نموذجاً واحداً أو كليهما. ينبغي أن يكون المقياس الحاسم هو تكلفة وموثوقية نص إنتاجي مقبول، وليس السعر المنشور لكل دقيقة بمعزل.
الأسئلة الشائعة
أي نموذج يجب أن أستخدم: GPT-Transcribe أم GPT-Live-Transcribe؟
استخدم gpt-transcribe للتسجيلات المكتملة والوظائف غير المتزامنة. استخدم gpt-live-transcribe عندما يجب وصول النص أثناء تدفق الصوت.
كم تكلفة GPT-Transcribe وGPT-Live-Transcribe؟
تسرد OpenAI gpt-transcribe بسعر $0.0045 لكل دقيقة صوتية ($0.27 في الساعة) وgpt-live-transcribe بسعر $0.017 لكل دقيقة ($1.02 في الساعة).
هل GPT-Live-Transcribe أدق من GPT-Realtime-Whisper؟
على معيار OpenAI لتسجيلات العالم الحقيقي بتسع لغات، انخفض معدل خطأ التفريغ من 11.65% إلى 9.60%. تحقّق من هذا في صوتك الخاص.
هل يدعم GPT-Live-Transcribe التفريق بين المتحدثين أو طوابع كلمات زمنية؟
لا. لا يُرجع تسميات متحدثين، طوابع زمنية على مستوى الكلمات، أو درجات ثقة. استخدم نموذج ملفات متوافقاً أو خطوة احتياط عند الحاجة إلى هذه الحقول.
هل الهجرة من GPT-Realtime-Whisper مجرد استبدال مباشر للنموذج؟
لا. تحقّق من تهيئة الجلسة، حقول اللغة، مدخلات السياق، إعدادات delay، ترتيب الأحداث، الاعتمادات على الميزات، الكمون، وجودة المخرجات قبل نقل حركة الإنتاج.
اختبر مسارات التفريغ مع CometAPI
قبل التنفيذ، تحقّق من توفر النماذج الحالية وتسعير المسارات على صفحة تسعير CometAPI واستخدم توثيق CometAPI لأنماط طلب متوافقة مع OpenAI. ثبّت معرّفات النماذج الدقيقة في الاختبارات وسجّل مدة الصوت، مستوى delay، كمون أول دلتا، كمون النص النهائي، المحاولات المعادَة، ومعدل النص المقبول حتى يعكس قرار التوجيه تكلفة سير العمل الإجمالية.
GPT-Transcribe مقابل GPT-Live-Transcribe: API والأسعار - CometAPI
