gpt-4o-mini-transcribe-2025-03-20

Oversikt. gpt-4o-mini-transcribe-2025-03-20 er OpenAIs tale-til-tekst-modell for transkripsjon, lansert 20. mars 2025 som en del av GPT-4o Mini-familien. Den erstatter behandlingskjeder basert på Whisper med en modell bygget spesifikt for transkripsjon, med lavere ordfeiltakt og bedre gjenkjenningsnøyaktighet på flere språk. Utviklere bruker den når de trenger å konvertere lyd til tekst som en avgrenset, veldefinert oppgave – ikke som del av en bredere chat- eller resonneringsarbeidsflyt.

Viktigste styrker. OpenAI rapporterer lavere ordfeiltakt og bedre flerspråklig nøyaktighet sammenlignet med Whisper, som denne modellen er bygget for å overgå. Den støtter strømming av transkripsjon som delta-oppdateringer, noe som gjør den egnet for direkte teksting og behandlingskjeder for stemmeagenter der delvise resultater må vises etter hvert som lyden ankommer. Som en smal, ettstegs lyd-til-tekst-oppgave passer den godt inn i behandlingskjeder som ikke krever resonnering i flere steg eller verktøykall.

Når du bør bruke den. Bruk denne modellen når oppgaven er selve transkripsjonen – direkte teksting, møtereferater, innlesing av inndata til stemmeagenter eller batchkonvertering av innspilt lyd til tekst. Strømmingsstøtten gjør den godt egnet for sanntids tale-til-tekst-bruk der svartid er kritisk. Den er ikke riktig valg for oppgaver som krever resonnering over det transkriberte innholdet, verktøykall eller strukturerte utdata utover standard transkripsjonformater – slike oppgaver trenger en separat nedstrømsmodell.

Begrensninger. Denne transkripsjonsspesialiserte varianten har et merkbart mindre kontekstvindu (16 000 token) og lavere maksimal utdata (2 000 token) enn basismodellen gpt-4o-mini instruct, og egner seg derfor ikke til lange lydjobber som krever at mye kontekst holdes i ett enkelt kall. Treningsdataene slutter i juni 2024. Modellen støtter ikke verktøykall, JSON-skjemabegrenset utdata eller lydutdata – kun transkripsjon, tekst ut.

Suverenitetsnotat. Denne modellen er laget av OpenAI, et amerikansk selskap, og er underlagt amerikansk CLOUD Act-eksponering uten mulighet for suveren eller selvdriftet drift. Lydinndata kan inneholde sensitiv eller personlig informasjon, så selskaper med strenge krav til datalokasjon bør gjennomgå OpenAIs retningslinjer for datahåndtering før de sender regulert lyd gjennom dette endepunktet.