GPT-Transcribe
gpt-transcribe音声ファイルと Realtime 入力の文字起こしに対応する高精度の音声認識モデル
音声ファイルと Realtime 入力の文字起こしに対応する高精度の音声認識モデル
パフォーマンス
最高
速度
中程度
料金
$0.0045
料金
入力
Audio, Text
出力
Text
GPT Transcribe は、収録済みの音声ファイルを文字起こしする音声認識モデルです。文字起こし結果はストリーミングでも受け取れます。WebSocket 経由の Realtime セッションでは、確定したターンを文字起こしできます。自由形式のコンテキスト、キーワードのヒント、複数の言語のヒントを指定すると、専門用語や多言語の音声、発話中に言語が切り替わる箇所の文字起こし精度を高められます。
料金体系
料金は、モデルの種類に応じて、使用したトークン数やその他の指標に基づいて計算されます。検索やコンピューターの使用など、特定のツール向けのモデルでは、ツールを呼び出すたびに料金が発生します。詳細は料金ページをご覧ください。
Transcription audio duration
Per minute
料金
$0.0045
モダリティ
Text
入力と出力
画像
非対応
Audio
入力のみ
Video
非対応
エンドポイント
Live
v1/live/sessions
Chat Completions
v1/chat/completions
Responses
v1/responses
リアルタイム
v1/realtime
リアルタイム翻訳
v1/realtime/translations
リアルタイム文字起こし
v1/realtime/transcription_sessions
Assistants
v1/assistants
Batch
v1/batch
ファインチューニング
v1/fine-tuning
埋め込み
v1/embeddings
画像生成
v1/images/generations
動画
v1/videos
画像編集
v1/images/edits
音声生成
v1/audio/speech
文字起こし
v1/audio/transcriptions
翻訳
v1/audio/translations
モデレーション
v1/moderations
Completions（レガシー）
v1/completions
機能
ストリーミング
対応
Function Calling
非対応
構造化出力
非対応
ファインチューニング
非対応
予測出力
非対応
スナップショット
gpt-transcribe
レート制限
レート制限は、一定時間内のリクエスト数、トークン数、音声の長さなどに上限を設け、誰もが公平かつ安定して API を利用できるようにする仕組みです。上限は利用ティアによって決まります。リクエスト数と API の利用額が増えると、利用ティアは自動的に上がります。
| ティア | RPM | TPM |
|---|---|---|
| Free | 非対応 | |
| Build | 5,000 | 2,000,000 |
| Launch | 10,000 | 10,000,000 |
| Grow | 30,000 | 150,000,000 |