gpt-transcribe
gpt-transcribe
面向已录完的文件与批量任务：会议、播客、客服录音。异步转写，也可边处理边吐字。
- 文件转录新推荐起点，接班 whisper-1
- 真实世界录音词错误率 8.98%，whisper-1 为 15.21%
- 在口音、短句、数字与专业术语上更稳
- 真实录音 WER
- 8.98%
OpenAI gpt-transcribe · gpt-live-transcribe
GPT Transcribe — 真正听得懂上下文的语音转文字
GPT Transcribe 把会议、电话和直播转成干净文本。已录文件用 gpt-transcribe，实时音频用 gpt-live-transcribe，并可附带场景描述、关键词与多语言提示。
- 8.98%
- 真实录音词错误率（gpt-transcribe）
- 上下文
- 场景提示、关键词与语言提示
- 双模型
- 文件批处理 + 实时流式转写
GPT Transcribe
转写预览
示例文稿
客户来电咨询高级套餐与账号 AC-42。确认了账单周期，通话中混入西班牙语，并预约周四下午 3 点回访。
在线生成器
语音转文字工作台
上传录音走 gpt-transcribe，或开麦做实时字幕。可选填场景提示、关键词与语言提示，提升专业名词与多语言准确率。
拖拽音频到这里，或点击上传
mp3 / mp4 / m4a / wav / webm · 最大 25MB · gpt-transcribe
新模型把上下文做成一等能力：描述场景、列出术语、提示混说语言。关键词只是提示，音频里没说就不会硬塞进稿子。
文字稿
可编辑结果，就绪后复制
使用方法
如何在线语音转文字。
上传或录音，可选补充场景、关键词与语言，运行转写，再复制并轻度编辑文稿。
- 01
上传或说话
文件模式处理已录好的音频；实时模式打开麦克风并显示临时字幕。
- 02
补充可选上下文
描述场景、列出术语、提示语言。不需要的字段可留空。
- 03
开始转写
文件任务使用 gpt-transcribe。实时会话先流式出字，再定稿为更干净的文字。
- 04
复制与精修
在线编辑结果，一键复制；若关键术语遗漏，加强关键词后重跑。
两个模型，分工明确
文件用 gpt-transcribe，实时用 gpt-live-transcribe。
OpenAI 把转录拆成两个推荐入口。判断标准只有一条：音频还在不在产生。
gpt-live-transcribe
gpt-live-transcribe
面向低延迟实时转写（WebSocket / WebRTC）：字幕、通话、仍在说的音频流。
- 实时转写新推荐，接班 gpt-realtime-whisper
- delay 五档可调：更低延迟或更高准确率
- 比前代实时转写更准，适合字幕与通话场景
- 侧重点
- 低延迟
清晰流程
三步把音频变成可改的文字稿。
上传或说话，补上模型真正会用的上下文，再复制草稿轻度校对——而不是整场重听。
01准备音频
已录完的文件走 gpt-transcribe；需要边说边出字则开麦克风。
02补充上下文
可选场景描述、关键词表、语言列表——新模型在训练里学会了用这些信息。
03导出文字
检查文稿、复制到笔记或文档；若专业词仍有误，加强关键词再跑一次。
真正升级的地方
会用上下文的语音识别，而不是蒙着听。
关键不只是更低 WER。新模型学会使用场景描述、关键词与多语言提示；同样的提示喂给老模型，几乎不动甚至退步。
+3.6 / +6.1
给上下文后语义准确率提升（文件 / 实时）
57+
演示中提及的语言覆盖（请用你的语种实测）
场景提示
告诉模型这是客服电话、问诊还是产品演示，人名、订单号与行业说法更稳。
关键词提示
传入产品名、药名、缩写。只有音频里真说了才会进稿，不会硬塞。
语码转换
可传多种语言码（如 en + zh-cn）。中途换语言无需手动切换。
真实世界录音
对口音、短句、数字、专业术语与嘈杂背景更稳。
真实场景
团队怎么用 GPT Transcribe
从归档录音到实时字幕——按音频是否仍在产生选择模型。
会议与播客
用 gpt-transcribe 批量转长录音，轻改草稿即可，不必整场回听。
客服质检
把账号与套餐名做成关键词，电话音质下订单号与产品词更稳。
实时字幕
通话、课堂、活动需要边说边出字时，走 gpt-live-transcribe。
语音笔记
口述备忘与多语言备忘录，可用语言提示处理混说。
常见问题
常见问题
关于 gpt-transcribe、gpt-live-transcribe 与在线生成器的实用解答。