Весело
Весело

GPT-4o Transcribe: распознавание речи по API

GPT-4o Transcribe — модель распознавания речи от OpenAI, построенная на GPT-4o. По данным OpenAI, она ошибается в словах реже исходных Whisper и точнее узнаёт язык. У нас она работает по API в формате OpenAI, поэтому готовая интеграция переезжает сменой адреса и ключа. Десять минут записи стоят около 6,80 ₽.

  • 0,68 ₽ за минуту звука
  • до 2 ч звука
  • звук → текст

openai/gpt-4o-transcribe

Обновлено:

Получить ключ Попробовать Документация

Попробовать GPT-4o Transcribe

Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Что попробовать: Загрузи запись до двух минут или запиши с микрофона, например звонок из шумного места. Вернётся JSON с текстом записи.

В ответ приходит текст записи в поле text — как у OpenAI.

Цены GPT-4o Transcribe в рублях

Звук — считаем по секундам0,68 ₽ за минуту

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Звонки и голосовые из шумных мест: 30 звонков по 2 минутыОколо 40,80 ₽
Готовый код на GPT-4o Transcribe без переписывания: месяц по 10 часов записейОколо 408,00 ₽
Видеоотзывы клиентов для сайта: 25 отзывов по 2 минутыОколо 34,00 ₽
Контроль качества в отделе продаж: 60 звонков по 7 минутОколо 285,60 ₽

Что умеет GPT-4o Transcribe

  • Расшифровывает запись с помощью GPT-4o. OpenAI пишет, что ошибок в словах у неё меньше, а язык она распознаёт точнее, чем исходные модели Whisper (карточка модели).
  • Отвечает только в формате json: SRT, VTT и отметок времени у этой модели нет (справочник API).
  • Понимает подсказку prompt и язык записи в language.
  • Пишет ответ не длиннее 2 000 токенов, контекст модели — 16 000 токенов.
  • Берёт файлы MP3, MP4 и M4A, WAV, FLAC, OGG и WebM до 25 МБ.
  • OpenAI объявила модель устаревшей 26 августа 2026 года: она работает до 26 февраля 2027-го, замена — GPT Transcribe (руководство OpenAI).

Где применять

Звонки и голосовые из шумных мест

Курьер звонит с улицы, клиент диктует адрес из машины, на фоне сигналят и играет радио. На таких записях каждая ошибка в адресе дорого стоит, поэтому есть смысл взять модель, которая, по данным OpenAI, ошибается в словах реже исходных Whisper. В language поставь ru, а в prompt — пару слов о теме: «Звонок в службу доставки, адрес и номер заказа». Ответ придёт одним полем text в JSON, его удобно сразу передать дальше в систему заказов.

Пример запроса: «file=courier-call.mp3, language=ru, prompt=Звонок в службу доставки: адрес, подъезд, номер заказа»

Стоимость: 30 звонков по 2 минуты — около 40,80 ₽.

Готовый код на GPT-4o Transcribe без переписывания

Если программа уже вызывает gpt-4o-transcribe через библиотеку openai, переезд к нам — это три правки: другой base_url, наш ключ и модель openai/gpt-4o-transcribe в поле model. Всё остальное остаётся прежним, включая ответ: тот же JSON с полем text. Платишь в рублях, без зарубежной карты. Помни только про срок: OpenAI выключит модель 26 февраля 2027 года, поэтому сразу заложи в план переход на GPT Transcribe — это ещё одна строка с именем модели.

Пример запроса: «model=openai/gpt-4o-transcribe, file=meeting.wav, response_format=json»

Стоимость: месяц по 10 часов записей — около 408,00 ₽.

Видеоотзывы клиентов для сайта

Короткие видеоотзывы приятно смотреть, но поисковик и человек в метро их не услышат. Вытащи звуковую дорожку в M4A, отправь в GPT-4o Transcribe и поставь расшифровку под видео: так отзыв читают без звука, а поисковик видит текст. Перед публикацией вычитай имена и названия, а фамилии клиентов убери, если на это нет согласия. Двухминутный отзыв — это пара абзацев текста, а удачные цитаты из них потом легко взять в рекламу, не пересматривая видео.

Пример запроса: «file=otzyv-anna.m4a, language=ru»

Стоимость: 25 отзывов по 2 минуты — около 34,00 ₽.

Контроль качества в отделе продаж

Руководителю продаж некогда слушать каждый звонок, а читать расшифровки можно по диагонали. Ответ у модели ограничен, поэтому длинный разговор режь на куски по 5–7 минут, по паузам. Готовый текст проверяй по списку: поздоровались, назвали цену, предложили следующий шаг. Это можно поручить текстовой модели, и через неделю будет видно, какие шаги команда пропускает чаще всего. Звонки записывай с предупреждением собеседника.

Пример запроса: «file=sales-0815-part1.mp3, language=ru, prompt=Продажа тарифов интернета, названия тарифов: Старт, Плюс, Максимум»

Стоимость: 60 звонков по 7 минут — около 285,60 ₽.

Характеристики

РазработчикOpenAI
ВидРаспознавание речи
Файлmp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ
Звук за раздо 2 ч
Ответjson, text
id для запросаopenai/gpt-4o-transcribe

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/transcriptions с полем model: openai/gpt-4o-transcribe, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -F model="openai/gpt-4o-transcribe" \
  -F file="@speech.mp3"

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with open("speech.mp3", "rb") as f:
    r = client.audio.transcriptions.create(model="openai/gpt-4o-transcribe", file=f)
print(r.text)

JavaScript

import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });

const r = await client.audio.transcriptions.create({
  model: 'openai/gpt-4o-transcribe',
  file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);

Пример ответа — только поля

{
  "text": "…"
}

В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
GPT-4o Transcribe — эта модель0,68 ₽ / миндо 2 ч звукастарые интеграции OpenAI и записи, где Whisper ошибается в словах
GPT Transcribe — OpenAI0,51 ₽ / миндо 2 ч звукасовещания с терминами и переезд со снимаемых моделей OpenAI
GPT-4o Transcribe Diarize — OpenAI0,68 ₽ / миндо 2 ч звукаинтервью и встречи, где нужно знать, кто что сказал
ElevenLabs Scribe v3 — ElevenLabs0,38 ₽ / миндо 2 ч звукаточная расшифровка интервью, встреч и лекций с временем каждого слова
Deepgram Nova-3 — Deepgram0,54 ₽ / миндо 2 ч звуказвонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков
Amazon Transcribe — Amazon0,68 ₽ / миндо 2 ч звуказаписи на редких языках, включая татарский и башкирский, когда ответ может подождать
  • GPT Transcribe — на неё OpenAI советует переходить с этой модели; понимает контекст и подсказку языка.
  • GPT-4o Transcribe Diarize — если в ответе нужно видеть, кто именно говорит.
  • Whisper Large v3 — если нужны отметки времени и субтитры, а не просто текст.

Версии и отличия

Как устроен доступ

Весело — не разработчик GPT-4o Transcribe: модель выпускает OpenAI. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Можно ли через этот ключ общаться с GPT-4o?
Нет. Текстовые модели OpenAI мы не продаём, а GPT-4o здесь работает только на распознавание речи: на входе звук, на выходе текст. Для чата и обработки текста в каталоге есть языковые модели других разработчиков.
Что будет с GPT-4o Transcribe после 26 февраля 2027 года?
OpenAI выключит модель, и запросы к ней перестанут работать. Перейти заранее просто: в коде меняется только model на GPT Transcribe. Проверь новую модель на десятке своих файлов, пока обе работают параллельно.
Чем GPT-4o Transcribe отличается от GPT-4o mini Transcribe?
Mini (openai/gpt-4o-mini-transcribe) построена на GPT-4o mini и стоит меньше за минуту. Ограничения у них одинаковые: ответ до 2 000 токенов, только JSON, и обе OpenAI выключит в один день. Начни с mini, если записи чистые, и переходи на старшую там, где mini ошибается.
Почему GPT-4o Transcribe обрывает расшифровку длинной записи?
Модель пишет не больше 2 000 токенов за ответ, а это несколько минут русской речи. Целую лекцию одним файлом она может не дописать до конца. Режь запись на куски по паузам и склеивай тексты по порядку — или возьми Whisper Large v3, которая проходит длинный файл окнами по 30 секунд.
Нужны ли VPN и зарубежная карта для GPT-4o Transcribe?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Что будет, если запрос закончится ошибкой?
Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: developers.openai.com