Speech-to-text model powered by GPT-4o.
GPT-4o Transcribe — это новейшая модель распознавания речи от OpenAI, выпущенная 20 марта 2025 года. Построенная на мультимодальной архитектуре GPT-4o, она заменяет устаревший API whisper-1 со значительным улучшением показателя WER (word error rate) на 99+ языках. Модель использует общее понимание языка GPT-4o для более точной транскрипции технической терминологии, имён собственных, смешанного языкового контента и речи с акцентом — областей, где Whisper исторически страдал от галлюцинаций.
Модель доступна через существующий эндпоинт /v1/audio/transcriptions с поминутной тарификацией ($0.006/мин), что делает её экономически эффективной для высоконагруженных сценариев. GPT-4o Transcribe занимает конкурентоспособную позицию среди лидеров индустрии — Artificial Analysis оценивает её как кандидата высшего уровня наравне со Speechmatics и AssemblyAI, отставая от ElevenLabs Scribe всего на один процентный пункт в совокупной точности. OpenAI выпустила декабрьский снэпшот 2025 года (gpt-4o-transcribe-2025-12-15) с дальнейшим снижением WER на бенчмарках Common Voice и FLEURS. Модель является закрытой и доступна только через API; в отличие от Whisper, версия с открытыми весами не предоставляется.
| Тип | Ставка |
|---|---|
| Аудио | $0.0065 за минуту аудио |
| Вход | $2.70 за 1 млн токенов |
| Выход | $10.80 за 1 млн токенов |
| Audio input | $6.48 за 1 млн токенов |
| Estimated | $0.0065 за минуту |
request is estimated price per minute
| Дата релиза | 20 марта 2025 г. (начальный снэпшот); обновление 15 декабря 2025 г.openai.com ↗ | проверено |
| Архитектура | Мультимодальная основа GPT-4o со специализированным аудио-центричным предобучениемopenai.com ↗ | проверено |
| Эндпоинт | /v1/audio/transcriptions (SDK, совместимый с OpenAI)developers.openai.com ↗ | проверено |
| Количество языков | Точное число поддерживаемых языков OpenAI публично не раскрывает; OpenAI документирует улучшенное распознавание языков и оценку FLEURS, охватывающую более 100 языков.openai.com ↗ | неизвестно |
| Методология обучения | Обширное предобучение на аудиоцентричных датасетах + парадигма RL для снижения WERopenai.com ↗ | проверено |
| Макс. размер файла | 25 МБ на запрос (рекомендуется разбивать аудио длиннее 25 мин на части)tokenmix.ai ↗ | проверено |
| Поддерживаемые форматы | mp3, mp4, mpeg, mpga, m4a, wav, webmdevelopers.openai.com ↗ | проверено |
| Лицензия | Закрытая / проприетарная (доступ только через API; открытых весов нет)techcrunch.com ↗ | проверено |
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
FLEURS (multilingual WER — all languages) OpenAI сообщает, что GPT-4o Transcribe показывает более низкий WER, чем Whisper v2 и Whisper v3, во всех языковых оценках FLEURS. FLEURS охватывает более 100 языков; единую агрегированную оценку OpenAI в анонсе не публикует. | Outperforms Whisper v2/v3 across all language evaluations per OpenAI | openai.com ↗ | |
Artificial Analysis AA-WER (combined rank) Вторичные материалы ссылаются на рейтинг Artificial Analysis для GPT-4o Transcribe, но OpenAI не публикует официальный ранг AA-WER или совокупный балл для этой модели. Поэтому эта страница не считает вторичный рейтинг подтверждённым вендорским бенчмарком. | — | Не раскрыто | — |
Common Voice & FLEURS (Dec 2025 snapshot) OpenAI сообщает, что декабрьский снэпшот 2025 года даёт более низкий WER, чем предыдущие модели, на Common Voice и FLEURS без языковых подсказок, а во внутренней noise evaluation — примерно на 90% меньше галлюцинаций, чем Whisper v2, и примерно на 70% меньше, чем предыдущие модели GPT-4o-transcribe. Полную числовую таблицу Common Voice/FLEURS для этой модели OpenAI не публикует. | Lower WER than prior models; exact numeric deltas not publicly disclosed | developers.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-transcribe" -F "file=@speech.mp3"Транскрибируйте аудиофайлы с GPT-4o Transcribe через совместимый с OpenAI эндпоинт /v1/audio/transcriptions через TheRouter.
curl https://api.therouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-F "file=@recording.mp3" \
-F "model=openai/gpt-4o-transcribe" \
-F "response_format=json"OpenAI выпустила обновлённые снэпшоты gpt-4o-transcribe (2025-12-15) с улучшенной точностью на бенчмарках Common Voice и FLEURS. Обновление снижает WER, особенно в сценариях zero-shot определения языка. Устаревшие whisper-1 и начальный снэпшот 2025-03-20 ожидаются к выводу из эксплуатации к июню 2026 г.
OpenAI представила новейшие модели распознавания речи на базе архитектуры GPT-4o, заменяющие устаревший эндпоинт whisper-1. Модели обеспечивают значительное снижение WER на 99+ языках, с обучением на основе RL для уменьшения галлюцинаций и повышения точности на акцентированной речи, технической терминологии и в шумной среде. Примечание: не открытый исходный код в отличие от Whisper.
GPT-4o Transcribe использует мультимодальную архитектуру GPT-4o вместо специализированного кодировщика-декодировщика Whisper. Он достигает более низкого WER на 99+ языках (особенно на акцентированной речи и технической терминологии), менее склонен к галлюцинациям и использует поминутную тарификацию ($0.006/мин против токеновой тарификации Whisper). Однако он закрыт и доступен только через API — в отличие от Whisper (лицензия MIT, возможность самостоятельного хостинга). Через TheRouter вы можете получить к нему доступ по конкурентным маршрутным ценам.
Нет, базовая модель gpt-4o-transcribe не определяет разных говорящих. Она возвращает единую транскрипцию без меток говорящих. Для диаризации используйте модель gpt-4o-transcribe-diarize (доступна через TheRouter как openai/gpt-4o-transcribe-diarize) или сторонний сервис, например AssemblyAI.
Не нативно. Режим response_format=verbose_json возвращает только посегментные метки. Для посекундной точности рассмотрите Deepgram или AssemblyAI, которые предлагают покадровую разметку как встроенную функцию.
25 МБ на запрос. Для более длинного аудио разбивайте на части до 25 МБ или ~25 минут каждая. У модели нет формального пакетного эндпоинта для транскрипции, поэтому для больших медиатеки потребуется собственная очередь.
Модель поддерживает 99+ языков, с наилучшими результатами на английском, испанском, французском, немецком, итальянском, португальском, китайском (мандарин), японском, корейском, арабском и русском. Улучшения WER по сравнению с Whisper наиболее заметны на языках, где Whisper ранее плохо справлялся (например, индийские и дравидийские языки). Для плохо поддерживаемых языков рассмотрите специализированных STT-провайдеров или самодеплой Whisper.
Да. Используйте model=openai/gpt-4o-transcribe с baseURL=https://api.therouter.ai/v1 и стандартным SDK OpenAI. TheRouter маршрутизирует ваш запрос на лучший доступный эндпоинт API транскрипции OpenAI по конкурентным ценам.
| источник | URL | получено | |
|---|---|---|---|
| Дата релиза | openai.com ↗ | 2026-05-28 | проверено |
| Архитектура | openai.com ↗ | 2026-08-25 | проверено |
| Эндпоинт | developers.openai.com ↗ | 2026-05-28 | проверено |
| Количество языков | openai.com ↗ | 2026-08-25 | неизвестно |
| Методология обучения | openai.com ↗ | 2026-05-28 | проверено |
| Макс. размер файла | tokenmix.ai ↗ | 2026-05-28 | проверено |
| Поддерживаемые форматы | developers.openai.com ↗ | 2026-08-25 | проверено |
| Лицензия | techcrunch.com ↗ | 2026-05-28 | проверено |
| FLEURS (multilingual WER — all languages) | openai.com ↗ | 2026-08-25 | проверено |
| Artificial Analysis AA-WER (combined rank) | openai.com ↗ | 2026-08-25 | неизвестно |
| Common Voice & FLEURS (Dec 2025 snapshot) | developers.openai.com ↗ | 2026-08-25 | проверено |
| OpenAI выпускает декабрьский снэпшот 2025 г. с дальнейшим снижением WER | developers.openai.com ↗ | 2026-05-28 | проверено |
| OpenAI запускает gpt-4o-transcribe и gpt-4o-mini-transcribe | openai.com ↗ | 2026-05-28 | проверено |
| Чем gpt-4o-transcribe отличается от whisper-1? | openai.com ↗ | 2026-05-28 | к проверке |
| Поддерживает ли gpt-4o-transcribe диаризацию говорящих? | tokenmix.ai ↗ | 2026-05-28 | к проверке |
| Можно ли получить посекундные метки? | tokenmix.ai ↗ | 2026-05-28 | к проверке |
| Каков максимальный размер аудиофайла? | developers.openai.com ↗ | 2026-05-28 | к проверке |
| С какими языками gpt-4o-transcribe работает лучше всего? | techcrunch.com ↗ | 2026-05-28 | к проверке |
| Доступен ли gpt-4o-transcribe через TheRouter? | api.therouter.ai ↗ | 2026-05-28 | к проверке |