Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
เริ่มต้นฟรี เริ่มต้นฟรี
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
Home Blog GPT-Transcribe เทียบกับ GPT-Live-Transcribe: API และราคา new / งานวิจัย CometAPI
GPT-Transcribe เทียบกับ GPT-Live-Transcribe: API และราคา 请提供需翻译的原文内容（可为 HTML/Markdown/JSON/XML/纯文本等）。若您希望将“GPT‑Transcribe 与 GPT‑Live‑Transcribe 的定价、时延、API 流程、上下文控制、限制与迁移步骤对比”翻译成泰语，请先提供对比正文；我将严格保留原始结构，仅翻译可读文本。
Mia Maren ทีมวิจัยโมเดล AI และ API 请提供需翻译的原文内容（可为 HTML/Markdown/JSON/XML/纯文本等）。若您希望将“GPT‑Transcribe 与 GPT‑Live‑Transcribe 的定价、时延、API 流程、上下文控制、限制与迁移步骤对比”翻译成泰语，请先提供对比正文；我将严格保留原始结构，仅翻译可读文本。
ใช้สรุปนี้เพื่อดูคำตอบอย่างรวดเร็ว แล้วอ่านคู่มือเพื่อดูบริบท ตัวอย่าง และรายละเอียดการใช้งาน
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)GPT-Transcribe vs GPT-Live-Transcribe: ราคา ความแตกต่างของ API และการย้ายระบบ
TL;DR
ใช้ gpt-transcribe สำหรับไฟล์บันทึกที่เสร็จสมบูรณ์ในอัตรา $0.0045 ต่อนาทีเสียง และใช้ gpt-live-transcribe สำหรับไมโครโฟน สายโทร หรือสตรีมมีเดียแบบไลฟ์ในอัตรา $0.017 ต่อนาที OpenAI รายงานว่าโมเดลแบบไลฟ์มีอัตราความผิดพลาดในการถอดความต่ำกว่า GPT-Realtime-Whisper บนชุดตัวชี้วัดที่เผยแพร่ แต่ตัวเลือกที่เหมาะสมขึ้นอยู่กับว่าเมื่อใดที่ต้องแสดงข้อความ ฟิลด์เอาต์พุตที่ต้องการ และประสิทธิภาพของทั้งสองโมเดลกับเสียงในงานจริงของคุณ
GPT-Transcribe vs GPT-Live-Transcribe โดยสรุป
หากต้องการถอดความหลังจากบันทึกเสียงเสร็จ ให้ใช้
เรียนรู้ต่อ
เชื่อมโยงบทความนี้กับการตัดสินใจถัดไป ดูทุกหัวข้อ เผยแพร่เมื่อ Jul 31, 2026 ตรวจสอบความชัดเจน การอ้างอิงแหล่งที่มา และคำศัพท์ API ปัจจุบันแล้ว
gpt-transcribe
gpt-live-transcribe
เหมาะสำหรับ ไฟล์บันทึกที่อัปโหลด คำขอเสียงที่มีขอบเขต งานแบบอะซิงโครนัส และการส่งเทิร์น Realtime แบบ commit แล้ว ไมโครโฟน สายโทร การประชุม และสตรีมมีเดียแบบไลฟ์ ราคาเผยแพร่ $0.0045 ต่อนาทีเสียง $0.017 ต่อนาทีเสียง ราคา/ชั่วโมงเสียง $0.27 $1.02 API / Endpoints /v1/audio/transcriptions; เวิร์กโฟลว์ Realtime แบบ committed-turn (เลือกใช้ได้) เซสชันถอดความแบบ Realtime (v1/realtime/transcription_sessions หรือคล้ายกัน) การเชื่อมต่อ อัปโหลดไฟล์; เลือกให้สตรีมผลลัพธ์ระหว่างประมวลผลไฟล์ได้ WebSocket สำหรับไปป์ไลน์ฝั่งเซิร์ฟเวอร์ หรือ WebRTC สำหรับเสียงจากเบราว์เซอร์ เริ่มถอดความเมื่อใด หลังส่งไฟล์หรือเมื่อ commit เทิร์นเสียงแล้ว ระหว่างที่เสียงกำลังถูกส่งเข้ามา ผลลัพธ์ถอดความบางส่วน มี เมื่อใช้การสตรีมไฟล์หรือการสตรีมแบบ committed-turn มี ขณะสัญญาณเสียงไลฟ์เข้ามา ตัวควบคุมบริบท prompt, keywords, languages prompt, keywords, languages, delay เอาต์พุตภาษาที่ตรวจพบ มี เมื่อโมเดลสามารถคาดคะเนได้อย่างน่าเชื่อถือ ไม่มี ข้อจำกัดสำคัญ จำกัดการอัปโหลด 25 MB; ต้องใช้เส้นทางอื่นสำหรับ timestamps การแยกผู้พูด (diarization) หรือการแปล ไม่มี timestamps ระดับคำ ป้ายผู้พูด หรือคะแนนความมั่นใจ
แม้ว่า gpt-transcribe จะสามารถส่งอัปเดตถอดความบางส่วนระหว่างประมวลผลไฟล์ที่เสร็จสมบูรณ์หรือเทิร์นเสียงที่ commit แล้วได้ แต่ก็ไม่ใช่เส้นทางสตรีมแบบไลฟ์อย่างต่อเนื่อง สำหรับคำบรรยายสด การโทร หรืออินพุตไมโครโฟน gpt-live-transcribe เหมาะสมกว่า
GPT-Transcribe และ GPT-Live-Transcribe คืออะไร? OpenAI เปิดตัว gpt-transcribe และ gpt-live-transcribe เมื่อวันที่ 29 กรกฎาคม 2026 gpt-transcribe ประมวลผลไฟล์บันทึกที่เสร็จสมบูรณ์ การถอดความไฟล์ด้วยการสตรีม และเทิร์นแบบ Realtime ที่ commit แล้ว ในขณะที่ gpt-live-transcribe ส่งคืนอัปเดตถอดความแบบหน่วงต่ำขณะเสียงเข้ามาจากไมโครโฟน การโทร หรือสตรีมมีเดียแบบไลฟ์
ทั้งสองโมเดลเป็นเส้นทางเริ่มต้นใหม่สำหรับการถอดความไฟล์ทั่วไปและการถอดความแบบไลฟ์ แต่เวิร์กโฟลว์เฉพาะทางของ Whisper และ GPT-4o สำหรับ timestamps การแปล คำบรรยาย และการแยกผู้พูด ยังคงจำเป็น
เมื่อใดที่ GPT-Live-Transcribe คุ้มกับราคาที่สูงกว่า? หน้า API pricing ของ OpenAI ระบุ gpt-transcribe ที่ $0.0045 ต่อนาที และ gpt-live-transcribe ที่ $0.017 ต่อนาที เส้นทางไลฟ์จึงมีค่าใช้จ่ายประมาณ 3.8 เท่า ต่อหนึ่งนาทีเสียง
100 ชั่วโมง $27 $102 $75 1,000 ชั่วโมง $270 $1,020 $750 10,000 ชั่วโมง $2,700 $10,200 $7,500
ประมาณการต้นทุนการถอดความเหล่านี้ใช้เพียงอัตราฐานที่เผยแพร่ของ OpenAI เท่านั้น: ชั่วโมงเสียง × 60 × ราคา/นาที ไม่รวมค่าจัดเก็บข้อมู, ลำเลียงเครือข่าย, การลองใหม่, โฮสต์แอป, การประมวลผลภายหลัง, การแก้ไขโดยมนุษย์ และต้นทุนผู้ให้บริการสำรอง
เลือก gpt-live-transcribe เมื่อคำบรรยายทันที ผู้ช่วยเอเจนต์ การกลั่นกรอง หรือปฏิสัมพันธ์แบบเรียลไทม์เป็นข้อกำหนดของผลิตภัณฑ์ เลือก gpt-transcribe เมื่อจำเป็นต้องใช้ถอดความหลังจากการประชุม การโทร สัมภาษณ์ หรือการอัปโหลดมีเดียเสร็จสมบูรณ์ สถาปัตยกรรมสองเส้นทางสามารถใช้การถอดความแบบไลฟ์เพื่อประสบการณ์ผู้ใช้ และการถอดความไฟล์สำหรับการประมวลผลหลังการโทรหรือการเติมย้อนหลัง
ปัจจุบัน OpenAI ระบุราคา GPT-Realtime-Whisper และ gpt-live-transcribe เท่ากันที่ $0.017 ต่อหนึ่งนาทีเสียง ประเมินการย้ายระหว่างเส้นทางไลฟ์เหล่านี้จากคุณภาพถอดความที่ยอมรับ, ความหน่วง, การจัดการเหตุการณ์, และความเข้ากันได้ด้านปฏิบัติการ มากกว่าราคาในรายการเพียงอย่างเดียว
API ของ GPT-Transcribe และ GPT-Live-Transcribe ต่างกันอย่างไร? ความแตกต่างหลักคือวิธีที่เสียงเข้าสู่ระบบและจุดเริ่มต้นของเหตุการณ์ถอดความ gpt-transcribe รับไฟล์ที่เสร็จสมบูรณ์หรือเทิร์นเสียงที่ commit แล้ว ในขณะที่ gpt-live-transcribe รักษาการเชื่อมต่อ Realtime และส่งอัปเดตถอดความขณะเสียงยังคงเข้ามา
ใช้ GPT-Transcribe สำหรับเสียงที่เสร็จสมบูรณ์ สำหรับไฟล์บันทึกที่เสร็จสมบูรณ์ ให้ส่งไฟล์ไปยัง /v1/audio/transcriptions คู่มือ file transcription ของ OpenAI รองรับไฟล์ขนาดไม่เกิน 25 MB ในรูปแบบ mp3, mp4, mpeg, mpga, m4a, wav หรือ 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)
ตั้งค่า stream=True เพื่อรับเหตุการณ์ delta ของถอดความระหว่างที่ OpenAI ประมวลผลไฟล์ที่อัปโหลด วิธีนี้ช่วยลดเวลารอข้อความที่มองเห็นได้ แต่ไม่ได้เปลี่ยน endpoint ของไฟล์ให้กลายเป็นการรับไมโครโฟนแบบไลฟ์
ใช้ GPT-Live-Transcribe สำหรับเสียงที่กำลังเข้ามา สร้างเซสชัน Realtime ด้วย type: "transcription" และเลือก gpt-live-transcribe ใช้ WebSocket สำหรับไปป์ไลน์ฝั่งเซิร์ฟเวอร์หรือ WebRTC สำหรับเสียงจากเบราว์เซอร์
{
"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
}
}
}
}
ผนวกชิ้นส่วนเสียงด้วย input_audio_buffer.append แอปพลิเคชันสามารถ commit เทิร์นด้วย input_audio_buffer.commit หรือกำหนดค่า voice activity detection ฝั่งเซิร์ฟเวอร์
Realtime transcription guide จะส่งข้อความแบบเพิ่มทีละส่วนผ่าน conversation.item.input_audio_transcription.delta ตามด้วย conversation.item.input_audio_transcription.completed สำหรับรายการที่ commit แล้ว เหตุการณ์เสร็จสิ้นจากเทิร์นต่าง ๆ ไม่จำเป็นต้องมาถึงตามลำดับ ดังนั้นให้ปรับแต่งตาม item_id แทนการอาศัยลำดับการมาถึง
ใช้เส้นทาง committed-turn เมื่อไม่จำเป็นต้องมีข้อความทันที gpt-transcribe สามารถทำงานในเซสชันถอดความแบบ Realtime ผ่าน WebSocket ได้เช่นกัน การถอดความจะเริ่มหลังจาก commit เทิร์นเสียง โมเดลสามารถใช้เทิร์นก่อนหน้าที่ถอดความแล้วเป็นบริบท และเหตุการณ์เสร็จสิ้นอาจมีภาษาที่ตรวจพบ
เส้นทาง committed-turn มีประโยชน์เมื่อการสตรีมแบบยึดตามเทิร์นหรือการตรวจจับภาษามีความสำคัญมากกว่าการแสดงข้อความขณะที่ผู้พูดยังพูดอยู่ อย่าสับสนกับพฤติกรรมสตรีมต่อเนื่อง หน่วงต่ำของ gpt-live-transcribe
Prompts, Keywords, Languages และ Delay ส่งผลต่อการถอดความอย่างไร? ทั้งสองโมเดลรับบริบทที่ช่วยให้รู้จำชื่อ ตัวเลข ตัวย่อ คำศัพท์ผลิตภัณฑ์ สำเนียง เสียงหลายภาษา และการสลับภาษาได้ดีขึ้น
prompt อธิบายการบันทึก ผู้พูด โดเมน หรือหัวข้อที่คาดหวัง บริบทที่เฉพาะเจาะจงเกินไปอาจทำให้ถอดความเอนเอียง keywords ให้ชื่อ ตัวย่อ รูปแบบบัญชี หรือคำศัพท์เทคนิคแบบตรงตัว hints ไม่ใช่เอาต์พุตที่ต้องมี; ทดสอบกรณีแทรกคำที่ไม่ได้พูด languages ระบุหนึ่งภาษาหรือมากกว่าที่คาดว่าจะเป็นอินพุต โค้ดที่ไม่รองรับหรือฟอร์แมตไม่ถูกต้องจะทำให้คำขอถูกปฏิเสธ delay แลกข้อความไลฟ์ที่เร็วกว่ากับบริบทเสียงที่มากขึ้น ใช้ได้กับ gpt-live-transcribe; วัดผลแทนการสมมติค่า latency คงที่
สำหรับโมเดลใหม่ languages มาแทนฟิลด์เดิม language ห้ามส่งทั้งสองอย่างพร้อมกัน คีย์เวิร์ดแต่ละรายการต้องอยู่บรรทัดเดียวและต้องไม่มีอักขระ <, > รวมถึง carriage return หรือ line feed; ค่าที่ไม่ถูกต้องจะทำให้คำขอหรือการอัปเดตเซสชันถูกปฏิเสธ
gpt-live-transcribe รองรับระดับ minimal, low, medium, high, และ xhigh ค่าที่ต่ำให้ข้อความบางส่วนเร็วกว่า ในขณะที่ค่าสูงให้บริบทเสียงมากขึ้นและอาจเพิ่มคุณภาพการถอดความ OpenAI ไม่รับประกัน latency คงที่สำหรับแต่ละระดับ ดังนั้นควรวัดเวลาถึง delta แรกและเวลาถึงถอดความสุดท้ายบนไมโครโฟน โค้เด็ก เครือข่าย ภาษา และความยาวเซสชันที่เป็นตัวแทนงานจริง
เกณฑ์ความแม่นยำของ OpenAI แสดงอะไร? ประกาศเปิดตัวของ OpenAI (ลิงก์ ) รายงานว่า gpt-live-transcribe ทำได้ดีกว่า GPT-Realtime-Whisper-1 ในการทดสอบถอดความหลายภาษาสองชุด และรายงานว่าบริบทแบบอิสระช่วยปรับปรุงความแม่นยำเชิงความหมายในการประเมิน Context Aware ASR
ความแม่นยำเชิงความหมายของ Context Aware ASR 44.6% พร้อมบริบทแบบอิสระ 38.5% เมื่อไม่มีบริบท +6.1 จุดเปอร์เซ็นต์ Common Voice, 22 ภาษา, อัตราความผิดพลาดในการถอดความ 19.70% 20.33% สำหรับ GPT-Realtime-Whisper-1 -0.63 จุด; ประมาณ 3.1% แบบสัมพัทธ์ Real-World Audio Recording, 9 ภาษา, อัตราความผิดพลาดถอดความ 9.60% 11.65% สำหรับ GPT-Realtime-Whisper-1 -2.05 จุด; ประมาณ 17.6% แบบสัมพัทธ์
ข้อสรุปที่สมเหตุสมผลมีขอบเขตจำกัด: โมเดลไลฟ์ใหม่ทำได้ดีกว่าบนการทดสอบที่ OpenAI รายงาน และบริบทช่วยปรับปรุงคะแนนความแม่นยำเชิงความหมาย ผลลัพธ์ที่ผู้ขายรายงานไม่ได้รับประกันการปรับปรุงเดียวกันสำหรับทุกภาษา โค้เด็กโทรศัพท์ ไมโครโฟน ระดับ delay คำศัพท์โดเมน หรือแนวนโยบายการแก้ไข
ควรใช้ Whisper หรือ GPT-4o Transcribe เมื่อใด? ไม่มีโมเดลใหม่ตัวใดแทนที่ทุกเวิร์กโฟลว์สุนทรพจน์เป็นข้อความ
การถอดความไฟล์ที่เสร็จสมบูรณ์ทั่วไป gpt-transcribeคำบรรยายไลฟ์หน่วงต่ำหรือการถอดความสายโทร gpt-live-transcribeป้ายผู้พูดสำหรับไฟล์ที่เสร็จสมบูรณ์ gpt-4o-transcribe-diarize พร้อม diarized_jsontimestamps ระดับคำหรือระดับช่วง whisper-1 พร้อม timestamp_granularities[]แปลเสียงที่ไม่ใช่ภาษาอังกฤษเป็นอังกฤษ (ไฟล์เสร็จสมบูรณ์) /v1/audio/translations พร้อม whisper-1
สำหรับการแยกผู้พูด OpenAI ต้องใช้ File Transcriptions API; ไม่รองรับการติดป้ายผู้พูดในเซสชันถอดความแบบ Realtime สำหรับไฟล์ที่ยาวเกิน 30 วินาที ให้กำหนดค่า chunking_strategy เป็น "auto" หรือใช้การกำหนดค่า voice-activity-detection
ควรย้ายจาก Whisper อย่างไร? การเปลี่ยนเพียงรหัสรุ่นเป็นแค่ก้าวแรก ตรวจสอบทั้งเวิร์กโฟลว์ก่อนเปลี่ยนทราฟฟิกใช้งานจริง
การเลือกเส้นทาง แยกไฟล์ที่เสร็จสมบูรณ์ออกจากงานที่เป็นไลฟ์จริง ๆ จ่ายราคาแบบไลฟ์สำหรับงานอะซิงโครนัส ฟิลด์ภาษา แทนที่ language ด้วย languages สำหรับโมเดลใหม่; ห้ามส่งทั้งคู่ คำขอหรือเซสชันถูกปฏิเสธ บริบทช่วยเหลือ ทดสอบ prompt และ keywords กับชื่อ ตัวเลข คำแสลง และเสียงมีสัญญาณรบกวน ถอดความเอนเอียงหรือแทรกคำที่ไม่ได้พูด การตั้งค่า delay วัดผลอย่างน้อย low, medium และ high บนเสียงตัวแทนงานจริง เลือกความเร็วหรือความแม่นยำโดยไม่มีข้อมูล การจัดการเหตุการณ์ รวม delta และเหตุการณ์เสร็จสิ้นด้วย item_id ถอดความสลับลำดับหรือถูกเขียนทับ ความเท่าเทียมคุณสมบัติ สำรวจการพึ่งพา diarization, timestamps, confidence, คำบรรยาย และการแปล ขาดฟิลด์ downstream ที่จำเป็น เทเลเมทรีต้นทุน บันทึกนาทีเสียง การลองใหม่ ผลลัพธ์ที่ล้มเหลว เวลาการแก้ไข และอัตราการยอมรับเอาต์พุต สับสนระหว่างราคาในรายการกับต้นทุนเวิร์กโฟลว์ การปล่อยใช้งาน ทดสอบเงา ทำ canary กับทราฟฟิกส่วนน้อย และเตรียม fallback เกิดถดถอยวงกว้างโดยไม่มีทางย้อนกลับเร็ว
สำหรับการย้ายจาก GPT-Realtime-Whisper ให้คงรูปแบบเสียง นโยบายตรวจจับเทิร์น ชุดทดสอบ และเป้าหมาย latency ให้เหมือนเดิม เนื่องจากราคาแบบไลฟ์ที่เผยแพร่ไม่เปลี่ยน แนะนำให้ให้ความสำคัญกับอัตราถอดความที่ยอมรับได้ การกระจาย latency ความเสถียรของเอาต์พุต และความเข้ากันได้กับส่วนอื่นของไปป์ไลน์
คู่มือการย้าย (จาก Whisper / รุ่นก่อนหน้า)
เสียงที่บันทึก/แบบแบตช์ → เปลี่ยนเป็น gpt-transcribe บน endpoint /v1/audio/transcriptions เดิม
เสียงไหลต่อเนื่องแบบไลฟ์ → เปลี่ยนเป็น gpt-live-transcribe ในเซสชันถอดความแบบ Realtime
ต้องการความแม่นยำสูงขึ้นหลัง commit เทิร์น → ใช้ gpt-transcribe ภายในเซสชัน Realtime
ตัวอย่างการย้ายไฟล์แบบมินิมอล (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 )
ใช้สถาปัตยกรรมเซสชัน Realtime / WebSocket เดิม
เปลี่ยนรหัสรุ่น และแทนที่ language แบบเอกพจน์ด้วยอาร์เรย์ languages
เพิ่มตัวเลือก prompt, keywords และ delay (เช่น "low")
ดำเนินการจัดการเหตุการณ์ delta/completed แบบเดิมต่อไป
ห้ามส่งทั้ง language และ languages พร้อมกันโดยเด็ดขาด
ข้อควรระวังสำคัญเมื่อย้าย:
GPT-Transcribe/GPT-Live-Transcribe ไม่รองรับ timestamps ระดับคำ, SRT/VTT หรือการแปลเป็นอังกฤษแบบเดียวกับ whisper-1 ให้ใช้ Whisper สำหรับความต้องการเฉพาะเหล่านี้
รูปแบบการตอบกลับต่างกัน — อย่าคิดว่า text, verbose_json, srt หรือ vtt ทำงานเหมือนเดิม
คีย์เวิร์ดต้องเป็นลิตเตอรัลบรรทัดเดียว (ห้ามมี <, >, CR, หรือ LF) ไม่เช่นนั้นคำขอจะถูกปฏิเสธ
ทดสอบกับเสียงที่แทนสภาพการใช้งานจริง (สำเนียง เสียงรบกวน คำศัพท์โดเมน ถ้อยคำสั้น) แทนการพึ่งพาเพียงตัวเลข WER ที่เผยแพร่
ข้อแนะนำแบบรวดเร็ว
ค่าเริ่มต้นสำหรับงานใหม่: GPT-Transcribe สำหรับไฟล์/แบตช์, GPT-Live-Transcribe สำหรับการสตรีมไลฟ์
การผสานรวม Whisper หรือ GPT-4o-Transcribe ที่มีอยู่ยังคงใช้งานได้ แต่ไม่ใช่จุดเริ่มต้นที่แนะนำอีกต่อไป
งานแบตช์ที่อ่อนไหวต่อค่าใช้จ่ายได้ประโยชน์มากที่สุดจากการเปลี่ยนเป็น GPT-Transcribe ($0.0045 เทียบกับ $0.006)
สำหรับรายละเอียดล่าสุด โปรดตรวจสอบหน้ารุ่นอย่างเป็นทางการและภาพรวมการถอดความบนไซต์นักพัฒนา OpenAI
ควรประเมินสองโมเดลบนเสียงงานจริงอย่างไร? ใช้เสียงที่มีสิทธิ์ซึ่งแทนผลิตภัณฑ์ มากกว่าคลิปเดโมที่สะอาดเพียงอย่างเดียว
เลือกอย่างน้อย 50 ไฟล์บันทึกครอบคลุมกรณีใช้งานหลัก ภาษา อุปกรณ์ และสภาพเสียง
รวมสำเนียง การขัดจังหวะ เสียงพื้นหลัง การสลับภาษา ตัวเลข วันที่ สกุลเงิน อีเมล และคำศัพท์โดเมน
รันไฟล์ที่เสร็จสมบูรณ์ผ่าน gpt-transcribe ทั้งแบบมีและไม่มีบริบทช่วยเหลือ
เล่นเสียงไลฟ์ชุดเดียวกันผ่าน gpt-live-transcribe ที่สามระดับ delay
คงรูปแบบ ขอบเขตเทิร์น prompt และกฎการให้คะแนนให้สอดคล้องกันทุกรอบ
วัดข้อผิดพลาดการถอดความ การเรียกคืนคำโดเมน การแก้ไขข้อความบางส่วน ความหน่วง p50/p95 ความล้มเหลว การลองใหม่ และเวลาแก้ไขโดยมนุษย์
คำนวณ “ต้นทุนต่อถอดความที่ยอมรับได้” แล้วทำ canary นโยบายการกำหนดเส้นทางที่เลือกก่อนย้ายเต็มรูปแบบ
ผลลัพธ์สุดท้ายอาจใช้หนึ่งโมเดลหรือทั้งสอง โมเดล ตัวชี้วัดตัดสินใจควรเป็นต้นทุนและความน่าเชื่อถือของถอดความที่ยอมรับได้ในงานจริง ไม่ใช่ราคา/นาทีที่เผยแพร่โดยลำพัง
FAQ
ควรใช้รุ่นใด: GPT-Transcribe หรือ GPT-Live-Transcribe? ใช้ gpt-transcribe สำหรับไฟล์ที่เสร็จสมบูรณ์และงานอะซิงโครนัส ใช้ gpt-live-transcribe เมื่อต้องการข้อความขณะเสียงยังคงสตรีมเข้ามา
GPT-Transcribe และ GPT-Live-Transcribe มีค่าใช้จ่ายเท่าไร? OpenAI ระบุ gpt-transcribe ที่ $0.0045 ต่อนาทีเสียง ($0.27 ต่อชั่วโมง) และ gpt-live-transcribe ที่ $0.017 ต่อนาที ($1.02 ต่อชั่วโมง)
GPT-Live-Transcribe แม่นยำกว่า GPT-Realtime-Whisper หรือไม่? บนชุดทดสอบ Real-World Audio Recording เก้าภาษา อัตราความผิดพลาดการถอดความที่รายงานลดลงจาก 11.65% เป็น 9.60% โปรดตรวจสอบผลเฉพาะชุดทดสอบนี้กับเสียงของคุณเอง
GPT-Live-Transcribe รองรับการแยกผู้พูดหรือ timestamps ระดับคำหรือไม่? ไม่รองรับ ไม่คืนป้ายผู้พูด, timestamps ระดับคำ หรือคะแนนความมั่นใจ ใช้โมเดลไฟล์ที่รองรับหรือขั้นตอนสำรองเมื่อจำเป็นต้องใช้ฟิลด์เหล่านี้
การย้ายจาก GPT-Realtime-Whisper เป็นเพียงการเปลี่ยนรหัสรุ่นหรือไม่? ไม่ใช่ ตรวจสอบการกำหนดค่าเซสชัน ฟิลด์ภาษา อินพุตบริบท การตั้งค่า delay ลำดับเหตุการณ์ การพึ่งพาคุณสมบัติ ความหน่วง และคุณภาพเอาต์พุตก่อนเลื่อนทราฟฟิกใช้งานจริง
ก่อนลงมือพัฒนา ตรวจสอบความพร้อมใช้งานของรุ่นและราคาปัจจุบันบน หน้าราคา CometAPI และใช้ เอกสาร CometAPI สำหรับรูปแบบคำขอที่เข้ากันกับ OpenAI กำหนดรุ่นให้ตรงในชุดทดสอบ และบันทึกความยาวเสียง ระดับ delay ความหน่วงของ delta แรก ความหน่วงของถอดความสุดท้าย การลองใหม่ และอัตราถอดความที่ยอมรับได้ เพื่อให้การตัดสินใจเส้นทางสะท้อนต้นทุนเวิร์กโฟลว์ทั้งหมดอย่างแท้จริง
GPT-Transcribe เทียบกับ GPT-Live-Transcribe: API และราคา - CometAPI
