OpenAI 推出兩款轉錄模型，每分鐘收費 0.0045 美元

OpenAI 推出的這兩款新轉錄模型，在錯誤率上低於其自家的 whisper-1，同時具備抗噪能力，進一步鞏固其在開發者 API 市場的影響力。

「這些模型能更好地理解上下文，並能更準確地轉錄專業術語、數字與帶有口音的語音，」OpenAI 開發者在 X 平台上的一則發文中表示。

GPT-Transcribe 處理錄音檔案每分鐘收費 0.0045 美元，而 GPT-Live-Transcribe 即時處理每分鐘收費 0.017 美元。兩款模型的詞錯誤率均低於前代產品——GPT-Transcribe 優於 whisper-1，GPT-Live-Transcribe 則優於 2026 年 5 月推出的 gpt-realtime-whisper。OpenAI 透過在樂器演奏過程中展示即時語音轉錄，證明了其抗噪能力。這些模型支援多種語言，並能處理醫學、法律與工程等行業的領域特定術語。

此次發布擴大了 OpenAI 的 API 營收來源，從文字與圖像生成擴展至語音轉錄領域，而 Google Cloud Speech-to-Text、Amazon Transcribe 與 Deepgram 等業者已在該市場展開競爭。OpenAI 的定價在經準確率調整後低於部分競爭對手，可能對缺乏完整 AI 平台廣度的純轉錄新創公司造成壓力。微軟作為 OpenAI 最大的投資者與主要雲端合作夥伴，也將因 Azure 成為新模型的首選部署途徑而受惠。

自 OpenAI 的 whisper-1 於 2022 年樹立新的準確率標竿以來，轉錄市場一直是 AI 公司的兵家必爭之地。Google Cloud AI 旗下的 Chirp 模型支援 119 種語言並提供即時串流功能；Amazon Transcribe Medical 則針對醫療保健領域，提供符合 HIPAA 規範的工作流程。Deepgram 的 Nova-2 模型在某些基準測試中號稱錯誤率比 whisper-1 低 30%，批次轉錄每分鐘收費 0.0043 美元——價格幾乎與 GPT-Transcribe 持平。

OpenAI 此舉代表其更廣泛進軍語音 AI 領域，繼 2026 年 5 月推出用於即時字幕的 gpt-realtime-whisper 之後。該公司持續擴大 API 產品覆蓋面，以爭取更多開發者支出，與將轉錄服務與更廣泛雲端服務捆綁的雲端巨頭直接競爭。對投資人而言，關鍵問題在於 OpenAI 能否將其 AI 品牌優勢轉化為持續的 API 營收成長，同時避免引發價格戰而壓縮整個產業的利潤空間。

GPT-Transcribe 採用按時計費模式，每分鐘音頻處理收費 0.0045 美元——約每小時 0.27 美元。GPT-Live-Transcribe 專為低延遲串流優化，收費約為前者的四倍，每分鐘 0.017 美元，約每小時 1.02 美元。此定價差異反映了即時推論相較批次處理更高的運算成本。

此次發布的時機具有戰略意義。隨著企業部署 AI 驅動的客服中心、醫療轉錄與會議摘要工具，語音 AI 的企業採用率已加速成長。OpenAI 的模型為開發者提供單一 API 即可同時處理批次與即時轉錄，相較於拼接多個供應商解決方案，能降低整合複雜度。該公司也因其現有的開發者基礎而受益——數百萬開發者已在使用 OpenAI 的 API 進行文字與圖像生成，形成了自然的交叉銷售機會。

對於已向 OpenAI 投資超過 130 億美元、並將其模型整合至 Azure OpenAI Service 的微軟而言，新的轉錄模型為其雲端平台增添了一項創收能力。Azure 客戶可透過與 GPT-4 和 DALL-E 相同的 API 端點存取這些模型，降低了採用門檻。而透過 Google Cloud 與 AWS 提供自有轉錄服務的 Google 與亞馬遜，則面臨來自一個其模型已成為生成式 AI 事實標準的供應商的更激烈競爭。

本文僅供資訊參考，不構成投資建議。