Was ist GPT Live Transcribe?
GPT Live Transcribe (gpt-live-transcribe) ist OpenAIs Modell, um Audio zu transkribieren, während es noch eintrifft, etwa ein Mikrofonsignal, ein Telefonat oder Live-Untertitel. Es erschien am 28. Juli 2026 zusammen mit GPT Transcribe, dem Gegenstück für fertige Dateien, und löst gpt-realtime-whisper als OpenAIs Standard für Live-Transkription ab. OpenAI nennt es als einen der beiden Nachfolger von whisper-1 und den GPT-4o-Transkriptionsmodellen, die am 26. Februar 2027 abgeschaltet werden.
Es läuft nur in Realtime-Transkriptionssitzungen über WebSocket oder WebRTC und gibt Text zurück, nie Audio. Eine Verzögerungseinstellung mit fünf Stufen, von minimal bis xhigh, wägt ab, wie früh Teiltext erscheint und wie genau er ist. Sitzungen akzeptieren einen frei formulierten Kontext-Prompt, eine Stichwortliste und mehrere Sprachhinweise und lassen sich während der Sitzung ändern.
Was kostet GPT Live Transcribe?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| gpt-live-transcribe | $0.017 per minute | Nur Realtime-Transkriptionssitzungen |
| gpt-transcribe | $0.0045 a minute | Fertige Dateien |
0,017 $ pro Minute gestreamtes Audio (etwa 1,02 $ pro Stunde), so viel wie gpt-realtime-whisper. Kein Batch. Das Dateimodell gpt-transcribe kostet 0,0045 $ pro Minute.
Lohnt sich GPT Live Transcribe?
GPT Live Transcribe ist ein bescheidenes Upgrade gegenüber gpt-realtime-whisper zum gleichen Preis. Nach OpenAIs eigenen Zahlen sinkt die Transkriptions-Fehlerrate bei realem Audio in neun Sprachen von 11,65% auf 9,60%, etwa 18% weniger Fehler, während der Gewinn bei Common Voice über 22 Sprachen unter einem Punkt liegt, von 20,33% auf 19,70%. Ein Kontext-Prompt hob OpenAIs bedeutungsbasierten Genauigkeitswert von 38,5% auf 44,6%. Das sind Benchmarks des Herstellers; Latenzwerte veröffentlicht OpenAI nicht.
Der Preis ist die Schwachstelle. Mit 0,017 $ pro Minute, etwa 1,02 $ pro Stunde, kostet es fast viermal so viel wie GPT Transcribe für fertige Dateien zu 0,0045 $ und fast doppelt so viel wie Microsofts Einführungspreis von 0,54 $ pro Stunde für MAI-Transcribe-2-Streaming, das im Oktober mit 2,5% WER bei 0,13 Sekunden nach Sprechende Platz eins in Artificial Analysis' Streaming-Rangliste belegte. Ein Produkt, das ein paar Sekunden auf Text warten kann, sollte nicht den Live-Tarif zahlen.
Für sich allein kann das Modell weniger als die Konkurrenz. Es unterstützt keine serverseitige Sprachaktivitätserkennung, deine Anwendung muss also entscheiden, wann jemand fertig gesprochen hat, und jeden Wortbeitrag abschließen. Es liefert keine Wort-Zeitstempel, keine Sprecherzuordnung, keine Konfidenzwerte und keine erkannte Sprache; dafür verweist OpenAI auf whisper-1 oder gpt-4o-transcribe-diarize, die beide am 26. Februar 2027 abgeschaltet werden, ohne dass ein gleichwertiger Ersatz angekündigt ist. Endgültige Transkripte können in falscher Reihenfolge eintreffen und müssen über die Item-ID zugeordnet werden.
Die Steuerung ist solide. Fünf Verzögerungsstufen erlauben einer Untertitel-App, Text früh zu zeigen, und einer Notiz-App, auf Genauigkeit zu warten, Stichwörter helfen bei Produktnamen, und ein fehlerhaftes Stichwort lässt das ganze Sitzungs-Update scheitern, was streng, aber im Test leicht zu bemerken ist. Die Ratenlimits beginnen bei 2.000 Anfragen pro Minute in der Stufe Build und erreichen 10.000 in Launch und Grow.
Der Umgang mit Daten passt zu regulierten Käufern. API-Audio wird standardmäßig nicht zum Training genutzt, /v1/realtime speichert Missbrauchsprotokolle 30 Tage und kommt für Zero Data Retention infrage, und gpt-live-transcribe unterstützt Datenresidenz in den USA und in Europa.
Wo es sich lohnt
Ein Frontend-Entwickler, der einer Webinar-Plattform Live-Untertitel hinzufügt
Untertitel ein bis zwei Sekunden nach dem Gesprochenen zeigen
Eine Realtime-Transkriptionssitzung über WebRTC öffnen, die Verzögerung auf low setzen und die Sprachaktivitätserkennung im Client ausführen, um Wortbeiträge abzuschließen. Ein 60-minütiges Webinar kostet etwa 1,02 $ pro Audiostream.
Eine Backend-Entwicklerin, die eine Contact-Center-App von gpt-realtime-whisper migriert
Transkriptionsfehler senken, ohne die Pipeline umzubauen
Die Realtime-Verbindung behalten und das Modell wechseln, das einzelne Sprachfeld durch die Liste languages ersetzen und Produktnamen als Stichwörter ergänzen. Der Minutenpreis bleibt gleich.
Ein Produktmanager in einem europäischen Telemedizin-Start-up
Sprechstunden live transkribieren, ohne dass Audio die EU verlässt
EU-Datenresidenz nutzen und Zero Data Retention für /v1/realtime beantragen. Eine Zuordnung zwischen Ärztin und Patient gibt es nicht, also braucht es getrennte Kanäle oder eine spätere Sprechertrennung.
Bevor du dich festlegst
- Einrichtung
- Mit wss://api.openai.com/v1/realtime?intent=transcription verbinden, session.update mit type transcription und model gpt-live-transcribe senden, 24-kHz-PCM-Audio streamen und jeden Wortbeitrag selbst abschließen.
- Integrationen
- Nur Realtime-Transkriptionssitzungen über WebSocket oder WebRTC; nicht der Datei-Transkriptions-Endpunkt, Chat Completions, Responses oder Batch. Auch in Azure AI Foundry und Vercel AI Gateway gelistet.
- Daten und Datenschutz
- API-Audio wird standardmäßig nicht zum Training genutzt. /v1/realtime speichert Missbrauchsprotokolle 30 Tage und kommt für Zero Data Retention infrage; Datenresidenz gibt es in den USA und in Europa.
- Kosten im großen Maßstab
- 100.000 Live-Minuten im Monat kosten 1.700 $ ohne Mengenrabatt; dasselbe Audio als fertige Dateien auf gpt-transcribe kostet 450 $.
- Grenzen
- 2.000 Anfragen und 210.000 Tokens pro Minute in Build, 10.000 Anfragen in Launch und Grow. Keine serverseitige VAD, Zeitstempel, Sprecherzuordnung, Konfidenzwerte oder Spracherkennung; ein ungültiges Stichwort lässt das Sitzungs-Update scheitern.
Was gut ist
- Fünf Verzögerungsstufen von minimal bis xhigh, um Tempo gegen Genauigkeit abzuwägen
- Kontext-Prompt, Stichwort-Hinweise und mehrere Sprachen pro Sitzung
- Etwa 18% weniger Fehler als gpt-realtime-whisper in OpenAIs Test mit realem Audio, zum gleichen Preis
- Kommt für Zero Data Retention infrage, mit Datenresidenz in den USA und Europa
- Lässt sich in bestehende Realtime-Sitzungen durch Modellwechsel einsetzen
Was nicht
- 0,017 $ pro Minute, fast viermal so viel wie das Dateimodell
- Keine serverseitige Erkennung von Sprecherwechseln; du brauchst eine eigene
- Keine Zeitstempel, Sprecherzuordnung, Konfidenzwerte oder Spracherkennung
- Keine veröffentlichten Latenzwerte
- Funktioniert nur in Realtime-Transkriptionssitzungen
Am besten für
Teams, die bereits OpenAIs Realtime API nutzen und Live-Untertitel oder -Transkripte in mehreren Sprachen ohne Sprecherzuordnung brauchen.
Alternativen zu GPT Live Transcribe
GPT Live Transcribe: häufige Fragen
- Lohnt sich GPT Live Transcribe?
- Ein verlässlicher Standard für Live-Untertitel im OpenAI-Stack, bepreist wie ein Premium-Modell, während Sprecherzuordnung, Zeitstempel und sogar die Erkennung von Sprecherwechseln bei dir bleiben. Wir bewerten es mit 3.7 von 5.
- Was kostet GPT Live Transcribe?
- 0,017 $ pro Minute gestreamtes Audio (etwa 1,02 $ pro Stunde), so viel wie gpt-realtime-whisper. Kein Batch. Das Dateimodell gpt-transcribe kostet 0,0045 $ pro Minute.
- Welche Nachteile hat GPT Live Transcribe?
- 0,017 $ pro Minute, fast viermal so viel wie das Dateimodell; Keine serverseitige Erkennung von Sprecherwechseln; du brauchst eine eigene; Keine Zeitstempel, Sprecherzuordnung, Konfidenzwerte oder Spracherkennung; Keine veröffentlichten Latenzwerte; Funktioniert nur in Realtime-Transkriptionssitzungen.
- Für wen eignet sich GPT Live Transcribe?
- Teams, die bereits OpenAIs Realtime API nutzen und Live-Untertitel oder -Transkripte in mehreren Sprachen ohne Sprecherzuordnung brauchen.
- Was kostet GPT Live Transcribe für ein Team oder im Produktivbetrieb?
- 100.000 Live-Minuten im Monat kosten 1.700 $ ohne Mengenrabatt; dasselbe Audio als fertige Dateien auf gpt-transcribe kostet 450 $.
- Ist GPT Live Transcribe sicher für Firmendaten?
- API-Audio wird standardmäßig nicht zum Training genutzt. /v1/realtime speichert Missbrauchsprotokolle 30 Tage und kommt für Zero Data Retention infrage; Datenresidenz gibt es in den USA und in Europa.
- Was sind die besten Alternativen zu GPT Live Transcribe?
- Die nächsten Alternativen, die wir getestet haben, sind MAI-Transcribe-2-Streaming, GPT Transcribe, ElevenLabs Scribe v2 und Deepgram Nova-3.
Antworten geprüft am 6. Nov. 2026.