Speech-to-text model powered by GPT-4o mini.
GPT-4o Mini Transcribe — это экономичная модель распознавания речи от OpenAI, построенная на архитектуре GPT-4o Mini. Она транскрибирует аудиовход в текст и обеспечивает улучшенный коэффициент ошибок, распознавание языков и общую точность по сравнению с оригинальными моделями Whisper. Модель предназначена для разработчиков, которым требуется надёжная транскрипция по более низкой цене, чем полноразмерная GPT-4o Transcribe, при сохранении точности, усиленной за счёт обучения с подкреплением.
OpenAI применяет парадигму обучения с подкреплением, выводя точность транскрипции на передовой уровень и одновременно уменьшая галлюцинации. Модель поддерживает 99+ языков и лучше справляется с акцентами, шумной средой и различной скоростью речи по сравнению с предшественниками Whisper. На многозвычном бенчмарке FLEURS полноразмерная GPT-4o Transcribe достигает однозначного WER по основным языкам; GPT-4o Mini Transcribe следует за ней как экономичная альтернатива.
| Тип | Ставка |
|---|---|
| Аудио | $0.0032 за минуту аудио |
| Вход | $1.35 за 1 млн токенов |
| Выход | $5.40 за 1 млн токенов |
| Audio input | $3.24 за 1 млн токенов |
| Estimated | $0.0032 за минуту |
request is estimated price per minute
| Дата релиза | 20 марта 2025openai.com ↗ | проверено |
| Поддерживаемые языки | 99+ языков через коды ISO-639-1openai.com ↗ | проверено |
| Архитектура | GPT-4o Mini с усиленным RL предобучением для речиopenai.com ↗ | проверено |
| Форматы входного аудио | mp3, mp4, mpeg, mpga, m4a, wav, webm, flac, ogg, ogaplatform.openai.com ↗ | проверено |
| Макс. размер файла | 25 МБplatform.openai.com ↗ | проверено |
| Дата отсечения данных | Не раскрыто | неизвестно |
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
FLEURS English WER WER на английском подмножестве FLEURS для gpt-4o-transcribe (полноразмерная) указан в блоге OpenAI как 2.46%. Ожидается, что у мини-версии WER выше, но точные показатели пока не опубликованы независимо. | ~2.46% (gpt-4o-transcribe reference)% | openai.com ↗ | |
FLEURS Multilingual OpenAI сообщает об однозначном WER по основным языкам на FLEURS. Семейство gpt-4o-transcribe соответствует Whisper v2/v3 или превосходит их по всем языковым оценкам. | Single-digit WER across major languages | openai.com ↗ |
Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.
curl https://api.therouter.ai/v1/audio/transcriptions -H "Authorization: Bearer $THE_ROUTER_API_KEY" -F "model=openai/gpt-4o-mini-transcribe" -F "file=@speech.mp3"Транскрибируйте аудиофайлы через стандартный эндпоинт OpenAI /v1/audio/transcriptions через TheRouter. Поддерживаются различные аудиоформаты и опциональные языковые подсказки для повышения точности.
curl https://api.therouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-F "file=@recording.mp3" \
-F "model=openai/gpt-4o-mini-transcribe" \
-F "response_format=json" \
-F "language=en"OpenAI анонсировала gpt-4o-transcribe, gpt-4o-mini-transcribe и gpt-4o-mini-tts — новое семейство моделей распознавания и синтеза речи. Модели транскрипции используют RL-обучение для достижения передового WER, превосходя Whisper v2/v3 на многозвычном бенчмарке FLEURS.
GPT-4o Mini Transcribe использует GPT-4o Mini в качестве основы с усиленным RL-предобучением, обеспечивая значительно более низкий WER по всем оцениваемым языкам. Она лучше справляется с акцентами, шумной средой и разной скоростью речи, чем Whisper. Whisper-1 остаётся доступной для устаревших интеграций, но для новых проектов рекомендуется новая модель.
Нет — эта модель поддерживает только стандартный эндпоинт /v1/audio/transcriptions, обрабатывающий загруженные аудиофайлы. Для потоковой транскрипции в реальном времени используйте модели Realtime API от OpenAI (gpt-realtime-*), поддерживающие аудиопотоки на основе WebSocket с меньшей задержкой.
Поддерживаемые форматы ответа: json (по умолчанию), text, srt (формат субтитров SubRip), verbose_json (с временными метками и сегментами) и vtt (WebVTT). Форматы json и verbose_json предоставляют структурированные данные для использования в конвейерах.
| источник | URL | получено | |
|---|---|---|---|
| Дата релиза | openai.com ↗ | 2026-05-28 | проверено |
| Поддерживаемые языки | openai.com ↗ | 2026-05-28 | проверено |
| Архитектура | openai.com ↗ | 2026-05-28 | проверено |
| Форматы входного аудио | platform.openai.com ↗ | 2026-05-28 | проверено |
| Макс. размер файла | platform.openai.com ↗ | 2026-05-28 | проверено |
| Дата отсечения данных | — | — | неизвестно |
| FLEURS English WER | openai.com ↗ | 2026-05-28 | к проверке |
| FLEURS Multilingual | openai.com ↗ | 2026-05-28 | к проверке |
| OpenAI запускает аудиомодели нового поколения, включая GPT-4o Mini Transcribe | openai.com ↗ | 2026-05-28 | проверено |
| В чём разница между GPT-4o Mini Transcribe и Whisper-1? | openai.com ↗ | 2026-05-28 | к проверке |
| В каком формате выводится транскрипция? | platform.openai.com ↗ | 2026-05-28 | к проверке |