知识卡片：OpenAI推出两套语音转录模型，实时与文件分线计费

一句话结论：OpenAI 将语音转录拆为文件转录（GPT-Transcribe）和实时转录（GPT-Live-Transcribe）两条独立产品线，实时定价约为文件的 3.8 倍，均支持三类上下文提示，但暂不支持 Batch API 折扣。

事件概述

2026 年 7 月 30 日，OpenAI 发布两套语音转文字模型：GPT-Transcribe（面向录音文件）和 GPT-Live-Transcribe（面向实时音频），正式将文件转录与实时转录拆分为两条独立产品线，并采用差异定价。

方法/产品要点

• 模型分工：GPT-Transcribe 处理录音文件转录；GPT-Live-Transcribe 处理实时音频流转录。
• 定价差异：实时模型每分钟 0.017 美元，文件转录每分钟 0.0045 美元，实时价格为文件的 3.8 倍。价差对应持续音频接入、增量输出与更低延迟。
• 上下文提示：两套模型均支持三类提示：prompt（提示词）、keywords（关键词）和 languages（语言指定）。
• 限制：音频转录暂不适用 Batch API 的折扣与额度。

主要结果或产业意义

• 将实时与文件转录独立定价，为不同使用场景（如会议实时字幕 vs. 录音文件批量处理）提供更精准的计费选择。
• 实时转录定价显著高于文件转录，反映 OpenAI 对低延迟、持续音频流服务的价值认定。
• 上下文提示功能的统一支持降低了开发者迁移成本，但 Batch API 折扣的缺失可能影响高频批量用户的经济性。

为什么重要

• 语音转录是生成式 AI 的关键应用场景之一，OpenAI 此举进一步细化了 API 产品矩阵，为开发者提供按需选择的灵活度。
• 实时转录与文件转录的价差（3.8 倍）为行业定价策略提供了参考锚点，可能推动其他厂商跟进分线计费模式。

局限与不确定性

• 材料未说明模型的具体性能指标（如词错误率、支持语言数量、实时延迟数值），这些待核实。
• 未提及模型是否支持多说话人识别、标点恢复、自定义词汇表等高级功能，需进一步确认。
• Batch API 折扣的缺失是临时限制还是长期策略，待核实。

可用于图书/PPT/简报的角度

• 定价策略分析：实时 vs. 文件转录的 3.8 倍价差，可用于讲解 API 产品的价值分层与成本结构。
• 产品线拆分逻辑：从单一转录模型拆为两条产品线，展示如何针对场景差异优化计费与功能。
• 产业趋势：语音转录走向专业化、场景化，类似 OpenAI 的分线做法可能成为行业标配。

原始材料

• 来源：搜狐转载腾讯研究院AI速递（2026-07-30）
• URL：https://m.sohu.com/a/1056423726_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=3
• 英文标题：OpenAI Launches Two Speech-to-Text Models with Separate Pricing for Real-Time vs. Files
• 英文关键词：OpenAI, speech-to-text, GPT-Transcribe, GPT-Live-Transcribe, transcription pricing