产业 / 媒体
OpenAI发布GPT Transcribe，错误率仍落后ElevenLabs、谷歌和Mistral
OpenAI近日通过API正式推出两款新语音识别模型：GPT Transcribe与GPT Live Transcribe。前者专为预录音频设计，处理速度约为实时速度的34倍；后者则面向低延迟实时流式转录场景。根据Artificial Analysis发布的AA-WER基准测试，GPT Transcribe的词错误率为3.31%，较一年前的前代模型GPT-4o Transcribe下降了0.7个百分点，同时定价下调25%至每分钟音频0.0045美元。然而，在行业竞争格局中，OpenAI仍未能跻身前三：ElevenLabs Scribe v2以2.3%的错误率领跑，谷歌Gemini 3 Pro以2.9%位居第二，Mistral的Voxtral Small以3%排名第三。Mistral还推出了起价仅为每分钟0.003美元的Voxtral Transcribe V2，在价格层面对市场形成明显压力。两款新模型均支持文本上下文输入、关键词提示及多语言输入。
OpenAI于2026年7月29日通过API发布了两款全新语音识别模型——GPT Transcribe与GPT Live Transcribe。其中，GPT Transcribe专为处理预录音频文件而设计，处理速度约为实时速度的34倍，适合批量转录场景；GPT Live Transcribe则针对实时流式转录进行了优化，主打低延迟响应，适用于直播字幕、实时会议记录等应用场景。两款模型均支持文本上下文输入、关键词提示以及多语言输入。
在性能层面，根据Artificial Analysis运营的AA-WER基准测试，GPT Transcribe的词错误率为3.31%，较前代模型GPT-4o Transcribe下降了约0.7个百分点。与此同时，OpenAI将该模型的定价下调25%，新价格定为每分钟音频0.0045美元，在成本控制方面向开发者释放了一定诚意。
尽管性能有所提升，OpenAI在行业竞争中仍面临较大压力。在AA-WER排行榜上，ElevenLabs Scribe v2以2.3%的词错误率高居榜首，谷歌Gemini 3 Pro以2.9%位居第二，Mistral的Voxtral Small以3%排名第三，OpenAI的GPT Transcribe以3.31%位列第四，与头部竞争对手之间仍存在可见差距。
价格竞争同样不容忽视。Mistral近期推出的Voxtral Transcribe V2起价仅为每分钟0.003美元，大幅低于OpenAI的0.0045美元，对市场定价体系形成明显冲击。这意味着开发者在选择语音转录服务时，不仅需要权衡精度，还需综合考量成本效益。
此次发布的两款转录模型是OpenAI近期语音能力布局的组成部分。OpenAI此前还宣布了新一代实时模型，其中包括实时转录模型GPT-Realtime-Whisper。多款模型的协同推出，显示出OpenAI正在加速完善其语音AI产品矩阵，以应对来自谷歌、ElevenLabs及Mistral等竞争对手的多方位挑战。
要点
- GPT Transcribe词错误率为3.31%，较前代下降0.7个百分点，定价同步下调25%至每分钟0.0045美元
- 在AA-WER基准排名中，OpenAI位列第四，落后于ElevenLabs、谷歌和Mistral
- Mistral推出的Voxtral Transcribe V2起价仅为每分钟0.003美元，在价格层面对市场形成显著压力
- GPT Live Transcribe专为低延迟实时流式转录设计，与GPT Transcribe共同构成OpenAI语音转录产品线
原始标题：GPT Transcribe improves on its predecessor but can't catch ElevenLabs, Google, or Mistral on error rates
本文由 DataHub 基于公开来源整理，用于信息发现与摘要阅读；具体事实、数据和后续更新以原始来源为准。