OpenAI 的 gpt-4o-transcribe 系列把录好的语音转成文字，走 /v1/audio/transcriptions；部分 SKU 也支持 Realtime 输入。2026 年 10 月 30 日核对 OpenAI 定价页：gpt-4o-transcribe 与 gpt-4o-transcribe-diarize 的 Estimated 价为每音频分钟 $0.006，gpt-4o-mini-transcribe 为 Estimated $0.003/分钟，官方推荐的继任文件模型 gpt-transcribe 为 $0.0045/分钟。直播麦克风路径更高：推荐的 gpt-live-transcribe 为 Estimated $0.017/分钟。
LecSync 实时语音 API 是一条托管 WebSocket，面向会议和课堂直播字幕：预览与最终文本、60 种语言任意互译、每个最终段落带说话人与对齐录音的时间戳，以及随会话推进的纪要。单价为每音频分钟 $0.006（每小时 $0.36），上述能力包含在内。
下文数字于 2026-10-30 对照 OpenAI 定价、转录指南、文件转写指南、gpt-4o-transcribe / mini / diarize / gpt-transcribe / gpt-live-transcribe 模型卡，以及 LecSync 开发者页。本文写的是 gpt-4o-transcribe 文件与流式 SKU 及其继任标价；与早前 LecSync 对比 AssemblyAI、OpenAI 一条实时连接 不同，那篇侧重 live-transcribe / realtime-translate 会话。
gpt-4o-transcribe 和实时字幕 API 分别做什么？
gpt-4o-transcribe 是基于 GPT-4o 的语音转文字模型：上传完整录音（或在处理文件时流式吐字），得到文本。部分集成也接受 Realtime 音频。LecSync 这类实时字幕 API 则在人还在说话时，用一条托管连接持续推双语字幕、说话人和纪要。
先说结论
若需求是 文件转写——例如更便宜的 mini（Estimated $0.003/分钟），或官方推荐的 gpt-transcribe（$0.0045/分钟）——同语种成品录音场景里，OpenAI 更合适。需要文件侧说话人标注时，在 2027 年 2 月 26 日关停前仍可走已弃用的 gpt-4o-transcribe-diarize。
若需求是 直播双语字幕 + 说话人 + 纪要，且希望一张按分钟账单，LecSync 更贴近产品形态。gpt-4o-transcribe 不支持 Realtime 翻译端点；OpenAI 推荐的直播麦克风路径是 gpt-live-transcribe（Estimated $0.017/分钟），直播翻译则是单独的 realtime-translate 会话（Estimated $0.034/分钟）。
各自怎么接入
LecSync。 服务端 POST https://api.lecsync.com/v1/realtime/connect，带上音频格式、语言对和需要的能力，再推 16 kHz 单声道 PCM。说话过程中先出预览，句子确认后落成最终段落；译文与同一段落 ID 配对。打开 speakers: true 后，每个最终段落带说话人和录音时钟上的 startMs/endMs；打开 digest: true 后纪要分段推送。开口到首字约 0.28 秒，翻译大约再加 88 毫秒。7 个网关区域（dal、jp3、kc、nj、ru2、ru3、uk）就近处理；积压上限 2 秒。
OpenAI gpt-4o-transcribe 系列。 向 /v1/audio/transcriptions 上传不超过 25 MB 的文件（mp3、mp4、mpeg、mpga、m4a、wav、webm），或设 stream=true 在处理已完成文件时收增量。模型卡显示 gpt-4o-transcribe、gpt-4o-mini-transcribe 支持 Transcription 与 Realtime，不支持 Realtime 翻译、专用 Realtime transcription sessions，以及 /v1/audio/translations。gpt-4o-transcribe-diarize 仅 Transcription（diarized_json，可选已知说话人参考）；文档写明说话人标注不在 Realtime transcription 会话里提供。OpenAI 已将 whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe、gpt-4o-transcribe-diarize 与 /v1/audio/translations 标为 Deprecated，计划于 2027-02-26 关停。新文件集成应改用 gpt-transcribe（$0.0045/分钟）；新直播麦克风应改用 gpt-live-transcribe（$0.017/分钟）。
换算到每小时（Calculated）
| 路径 | 公开 / Estimated 单价 | 约合每小时音频 | 说明 |
|---|---|---|---|
| LecSync 实时语音 API | $0.006 / 分钟全包 | $0.36 | 转写 + 翻译 + 说话人 + 纪要 |
| gpt-4o-transcribe | Estimated $0.006 / 分钟 | $0.36 | Token $2.50 / $10 每百万；定价表 Estimated $/分钟 |
| gpt-4o-transcribe-diarize | Estimated $0.006 / 分钟 | $0.36 | 文件说话人；已弃用 |
| gpt-4o-mini-transcribe | Estimated $0.003 / 分钟 | $0.18 | 更便宜的文件 STT；已弃用 |
| gpt-transcribe（推荐文件） | $0.0045 / 分钟 | $0.27 | 成品录音继任模型 |
| gpt-live-transcribe（推荐直播） | $0.017 / 分钟 | $1.02 | 直播麦克风 / 流式字幕 |
| gpt-realtime-translate | Estimated $0.034 / 分钟 | $2.04 | 独立直播翻译会话 |
按分钟估算（Calculated）：gpt-4o-transcribe → 1,000 小时约 $360；mini 约 $180；gpt-transcribe 约 $270；gpt-live-transcribe 约 $1,020。LecSync 无论是否打开翻译与说话人，都是 $0.006/分钟 → 1,000 小时 $360。
对照表（2026-10-30 核对）
| LecSync 实时语音 API | OpenAI gpt-4o-transcribe 系列 | |
|---|---|---|
| 主要用途 | 直播会议/课堂字幕 + 互译 | 文件（及部分 Realtime）同语种转写 |
| 计价 | $0.006/分钟一口价全包 | Est. $0.006 / $0.003；继任文件 $0.0045 / 直播 $0.017 |
| 交付形态 | 托管 WebSocket，预览→最终 | /v1/audio/transcriptions（非 diarize SKU 另有 Realtime） |
| 直播文本互译 | 60 语任意两种，同连接 | gpt-4o-transcribe 不支持；需迁到 realtime-translate（约 $0.034/分钟） |
| 说话人 | 每个最终段落可带 speaker | 文件：diarize；Realtime transcription 会话不提供 |
| 实时纪要 | digest: true | 这些转写 SKU 无 |
| 语种 | 60，自动识别 | whisper-1 约 98；gpt-transcribe 用 languages 提示 |
| 状态 | 托管正式 API | gpt-4o-* 已弃用；2027-02-26 关停 |
| 文件上限 | 会话内推 PCM | Transcriptions API 单文件 ≤25 MB |
| 区域 | 7 个网关；积压 2 秒封顶 | OpenAI 云 |
1,000 小时大概花多少（Calculated）
| 每月 1,000 小时工作负载 | LecSync | OpenAI 路径 |
|---|---|---|
| 同语种文件转写 | 非主打产品（实时 API） | gpt-4o-transcribe 约 $360；mini 约 $180；gpt-transcribe 约 $270 |
| 同语种直播字幕 | $360 | gpt-live-transcribe 约 $1,020（推荐路径） |
| 任意语对直播互译字幕 | $360 | 另开 realtime-translate 约 $2,040/目标语 + STT |
| 直播过程中的说话人 + 时间戳 | 包含 | 仅文件 diarize；直播会话走不通 diarize |
| 实时纪要 | 包含 | 需自建 |
| 字幕+互译+说话人一张分钟账单 | 可以 | 多 SKU / 多会话 |
OpenAI 在 便宜的同语种文件 STT 上更有优势（mini 与 gpt-transcribe 都低于 LecSync 分钟价）。产品若是 直播双语字幕 + 说话人 + 纪要，LecSync 的 $0.006 一口价更省事。加功能后的总账可看 翻译、说话人、纪要加上去后 1,000 小时多少钱；自拼 STT+MT 可看 内置翻译还是自拼流水线。
更适合选 OpenAI gpt-4o-transcribe（或继任）的情况
- 已录好的文件，25 MB 以内，走 OpenAI Transcriptions，Estimated $0.003–$0.006/分钟同语种转写。
- 成本敏感的同语种批量 —— gpt-4o-mini-transcribe（Estimated $0.003/分钟）或推荐的 gpt-transcribe（$0.0045/分钟）。
- 文件说话人标注 仍依赖已弃用的 diarize（
diarized_json、已知说话人参考），且格式与现有应用匹配，可在 2027 关停前继续用。 - 已深度绑定 OpenAI 平台 —— 与 Chat Completions、Realtime Agent、模型目录同一账号。
- 按当前官方指引做新集成：文件用 gpt-transcribe，直播音频用 gpt-live-transcribe（接受更高的直播 $/分钟）。
更适合选 LecSync 的情况
- 一条连接上的直播互译字幕 —— 60 语任意配对，译文挂在同一段落上。
- 直播过程中就要说话人与对齐时间戳 —— 用说话人和时间戳做会议客户端。
- 会话进行中出纪要（
digest: true）—— 实时纪要还是会后总结。 - 希望每小时 $0.36 就能预估账单，翻译、说话人、纪要都在分钟价里 —— 不必另付 $0.017 直播 STT，也不必再开 $0.034 翻译会话。
- 课堂 / 混语讲座，说话人切换语种时字幕要跟上，且不想再迁出已弃用的 gpt-4o SKU。
分项谁更合适
| 维度 | 更合适 | 原因 |
|---|---|---|
| 最便宜的同语种文件 STT 标价 | OpenAI mini / gpt-transcribe | Est. $0.003 或 $0.0045/分钟，低于 LecSync $0.006 |
| 文件说话人 diarization SKU | OpenAI gpt-4o-transcribe-diarize | 专用 diarized_json，用到 2027-02-26 |
| 直播任意语对字幕 | LecSync | 60 语，同连接互译 |
| 直播字幕+互译+说话人+纪要一口价 | LecSync | $0.006 全包 |
| OpenAI 推荐的直播麦克风 STT | gpt-live-transcribe | 现行文档路径；Est. $0.017/分钟 |
| 公开的首字上屏时延叙事 | LecSync | 约 0.28 秒 / 翻译约 +88 毫秒 |
常见问题
gpt-4o-transcribe 还是 OpenAI 推荐模型吗？
官方已改推荐。转录指南对文件推荐 gpt-transcribe，对实时麦克风/通话推荐 gpt-live-transcribe。gpt-4o-transcribe、gpt-4o-mini-transcribe、gpt-4o-transcribe-diarize、whisper-1 与 /v1/audio/translations 已弃用，计划 2027 年 2 月 26 日关停。
gpt-4o-transcribe 带直播翻译吗？
不带。模型卡写明不支持 Realtime 翻译与 /v1/audio/translations。OpenAI 指引将翻译迁到 Realtime translation 会话（定价表上 gpt-realtime-translate Estimated $0.034/分钟）。
OpenAI 的 Estimated $0.006/分钟和 LecSync 怎么比？
按 Estimated 单价，gpt-4o-transcribe 与 LecSync 的同语种转写账都是 $0.006/分钟（1,000 小时约 $360）。LecSync 这同一分钟还包含直播互译、说话人与纪要。OpenAI 推荐的直播路径 gpt-live-transcribe 为 Estimated $0.017/分钟，翻译还要另开会话。
能在 OpenAI Realtime transcription 会话里用 gpt-4o-transcribe-diarize 拿说话人吗？
文件转写指南写明：说话人标注通过 /v1/audio/transcriptions 提供，Realtime transcription 会话不支持。diarize 模型卡也只列出 Transcription。
直播字幕产品什么时候仍该用 OpenAI 转写？
工作负载以 成品文件 为主，或团队已统一 OpenAI API，并能接受 gpt-live-transcribe 的直播单价时。若产品需要双语字幕、说话人与纪要，且希望固定 $0.006 分钟价，可从 LecSync 实时语音 API 起步。
结论
OpenAI 的 gpt-4o-transcribe 系列（及其 gpt-transcribe / gpt-live-transcribe 继任）更适合 同语种文件转写，以及已经站在 OpenAI 平台上的团队——尤其是 mini 的 Estimated $0.003/分钟或 gpt-transcribe 的 $0.0045/分钟。LecSync 更适合要托管实时语音 API、每分钟 $0.006 全包、一条连接拿直播互译、说话人和纪要的产品。
下一步：打开 LecSync 开发者文档，创建 connect 会话，推三秒 PCM，看预览→最终字幕是否落在同一张账单上。