Zalecany przez OpenAI model transkrypcji jest o ćwierć tańszy — i nie zrobi napisów

OpenAI wydało 28 lipca 2026 roku dwa modele transkrypcji: GPT Transcribe do nagrań gotowych i GPT Live Transcribe do dźwięku na żywo. Od tego czasu firmowy przewodnik po transkrypcji kieruje programistów najpierw do nich, a wcześniejsze modele — gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-realtime-whisper — opisuje jako dobre dla istniejących wdrożeń, ale „nie zalecane jako punkt wyjścia". Na pierwszym planie jest cena. GPT Transcribe liczy 0,0045 USD za minutę nagrania, o ćwierć mniej niż 0,006 USD pobierane za whisper-1 i gpt-4o-transcribe. Przyjmuje też bogatsze wskazówki niż poprzednicy: swobodny opis nagrania, podpowiedzi słowne na nazwiska i żargon oraz listę spodziewanych języków zamiast jednego — starsze modele mają pojedyncze pole języka i zakładają jedną mowę na plik. Dalej w tym samym przewodniku rekomendacja obrasta jednak w wyjątki. Znaczniki czasu dla poszczególnych słów oraz napisy srt i vtt: whisper-1. Zapis z podziałem na mówiących: gpt-4o-transcribe-diarize. Przetłumaczenie nagrania na angielski: znowu whisper-1. Wszystkie trzy modele kosztują 0,006 USD za minutę. Kto robi napisy, protokoły z rozprawy czy tłumaczenia nagrań, płaci więc o 33% więcej niż wynosi stawka zalecana, i to na modelu, którego producent przestał polecać — a taki układ zwykle poprzedza zapowiedź wyłączenia, choć dla żadnego z nich jeszcze jej nie ogłoszono. Druga warta uwagi liczba leży między dwoma nowymi modelami. Transkrypcja na żywo kosztuje 0,017 USD za minutę wobec 0,0045 USD za to samo nagranie wysłane jako plik: 3,8 raza drożej, przy czym jedyną różnicą jest natychmiastowość. Stawka za pracę na żywo nie zmieniła się względem gpt-realtime-whisper, czyli modelu strumieniowego, który nowość zastępuje. Lipcowa premiera obniżyła zatem o ćwierć cenę transkrypcji bez pośpiechu, a cenę pośpiechu zostawiła dokładnie tam, gdzie była. W całej dzisiejszej ofercie zamiany mowy na tekst u OpenAI ta sama minuta nagrania kosztuje od 0,003 USD (gpt-4o-mini-transcribe) do 0,017 USD (oba modele strumieniowe) — rozpiętość 5,7 raza, przy czym najtańsza opcja również nie należy do zalecanych.