O GPT Transcribe é um modelo de conversão de fala em texto que transcreve arquivos de áudio completos e turnos confirmados em sessões Realtime via WebSocket. Ele também permite receber a transcrição de arquivos por streaming. Para melhorar a transcrição de termos específicos de uma área, de áudios multilíngues e de trechos em que o falante alterna entre idiomas, o modelo aceita contexto não estruturado, sugestões de palavras-chave e indicações de vários idiomas.