gpt-4o-mini-transcribe

GPT-4o-mini-Transcribe是OpenAI在2025年3月21日发布的自动语音识别的大模型，用于替换2年前OpenAI开源的Whisper系列自动语音识别模型，它是基于GPT-4o-mini架构构建，识别错误率相比此前模型更低。

OpenAI本次发布的自动语音识别模型包含2个，一个是基于GPT-4o的GPT-4o-Transcribe，另一个是GPT-4o-mini-Transcribe，后者是基于GPT-4o-mini架构构造的，相比较GPT-4o-Transcribe模型参数更小，成本也更低。

GPT-4o-mini-Transcribe支持100多种语言的自动语音识别，支持噪音消除和基于语义的语音分割（也就是根据语音的语义来进行语音分割，降低识别错误率）。

GPT-4o-mini-Transcribe在大量的高质量、多样化的语音数据集上训练，引入来强化学习和midtraining技术来处理具有挑战性的场景。

GPT-4o-mini-Transcribe不开源，目前仅通过API提供，每100万语音输入的tokens需要3美元（大约一分钟0.003分钱）。而GPT-4o-Transcribe的加个是它的2倍。即使是这个mini的GPT-4o-mini-Transcribe模型，它也比此前开源的Whisper模型更大。