OpenAI: GPT-4o Transcribe

GPT-4o Transcribe adalah model speech-to-text dari OpenAI, dibangun di atas kemampuan audio GPT-4o. Model ini berada dalam kategori transkripsi, jadi tugasnya adalah mengubah audio yang diucapkan menjadi teks tertulis, bukan menghasilkan balasan percakapan. Jika Anda sudah merutekan model OpenAI lain melalui stack Anda, model ini berasal dari provider yang sama dan mengikuti pola akses umum yang sama.

Model ini menerima audio sebagai satu-satunya input dan mengembalikan transkripsi sebagai output. Panjang konteksnya 128.000 token dan output maksimum 115.200 token, yang cukup besar untuk pekerjaan transkripsi: rekaman panjang, sesi multi-pembicara, atau batch audio besar dapat ditangani tanpa memecahnya menjadi banyak permintaan kecil. Karena outputnya adalah transkripsi, bukan chat completion, Anda sebaiknya mengharapkan teks yang mencerminkan apa yang diucapkan dalam audio, bukan jawaban bergaya asisten. Provider mendeskripsikannya sebagai model speech-to-text berkualitas tinggi, dan penagihannya per token pada input maupun output, yang memberi Anda transparansi tingkat token atas apa yang dikonsumsi setiap permintaan.

Kasus penggunaan praktis mengikuti langsung dari bentuk tersebut. Rekaman rapat dan panggilan dapat diubah menjadi teks untuk catatan, pencarian, atau pengarsipan. Voice memo, wawancara, dan rekaman riset dapat ditranskripsikan untuk analisis selanjutnya. Podcast, kuliah, dan audio long-form serupa cocok dengan jendela konteks yang besar, sehingga Anda dapat mengirim file yang substansial dalam satu permintaan alih-alih memecahnya. Tim yang membutuhkan transkrip sebagai langkah pipeline, yang memberi masukan ke alat peringkasan, pengindeksan, atau peninjauan di hilir, dapat menggunakan model ini sebagai tahap pertama. Di mana pun Anda memiliki audio dan membutuhkan teks yang andal darinya, inilah beban kerja yang dimaksud.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "openai/gpt-4o-transcribe". Karena API-nya kompatibel dengan OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke endpoint api14 dan mengirim input audio dengan cara biasa, tanpa perlu integrasi khusus. Daftar parameter yang didukung model ini kosong, jadi tidak ada opsi penyetelan tambahan yang perlu diatur selain field permintaan standar; buat permintaan Anda tetap sederhana dan andalkan default model. Periksa tabel harga langsung di halaman ini untuk tarif terkini, karena penagihannya per token untuk input maupun output.

Satu hal yang perlu diingat adalah cakupannya. Model ini dibangun hanya untuk transkripsi, jadi jika Anda membutuhkan asisten yang bernalar atas teks, menjawab pertanyaan, atau menghasilkan output terstruktur, model chat umum akan lebih cocok. Demikian pula, jika audio Anda pendek dan sederhana, opsi transkripsi yang lebih ringan mungkin sudah cukup. Untuk rekaman panjang dan alur kerja di mana visibilitas penagihan tingkat token penting, GPT-4o Transcribe adalah pilihan yang lugas.