Qu’est-ce que GPT Live Transcribe ?
GPT Live Transcribe (gpt-live-transcribe) est le modèle d'OpenAI pour transcrire l'audio pendant qu'il arrive encore, comme le flux d'un micro, un appel téléphonique ou des sous-titres en direct. Il est sorti le 28 juillet 2026 avec GPT Transcribe, son équivalent pour les fichiers terminés, et remplace gpt-realtime-whisper comme choix par défaut d'OpenAI pour la transcription en direct. OpenAI le désigne comme l'un des deux remplaçants de whisper-1 et des modèles de transcription GPT-4o, arrêtés le 26 février 2027.
Il ne fonctionne que dans des sessions de transcription Realtime via WebSocket ou WebRTC et renvoie du texte, jamais de l'audio. Un réglage de délai à cinq niveaux, de minimal à xhigh, arbitre entre la rapidité d'apparition du texte partiel et la précision. Les sessions acceptent un prompt de contexte libre, une liste de mots-clés et plusieurs indications de langue, et peuvent être modifiées en cours de session.
Combien coûte GPT Live Transcribe ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| gpt-live-transcribe | $0.017 per minute | Sessions de transcription Realtime uniquement |
| gpt-transcribe | $0.0045 a minute | Fichiers terminés |
0,017 $ par minute d'audio diffusé (environ 1,02 $ de l'heure), comme gpt-realtime-whisper. Pas de Batch. Le modèle pour fichiers gpt-transcribe coûte 0,0045 $ la minute.
GPT Live Transcribe vaut-il le coup ?
GPT Live Transcribe est une amélioration modeste de gpt-realtime-whisper au même prix. Selon les chiffres d'OpenAI, son taux d'erreur de transcription sur de l'audio réel en neuf langues passe de 11,65 % à 9,60 %, soit environ 18 % d'erreurs en moins, tandis que sur Common Voice en 22 langues le gain est inférieur à un point, de 20,33 % à 19,70 %. L'ajout d'un prompt de contexte a fait passer le score de précision sémantique d'OpenAI de 38,5 % à 44,6 %. Ce sont des benchmarks du fabricant ; OpenAI ne publie aucun chiffre de latence.
Le prix est le point faible. À 0,017 $ la minute, environ 1,02 $ de l'heure, il coûte presque quatre fois plus que GPT Transcribe sur fichiers terminés à 0,0045 $, et presque deux fois plus que le tarif de lancement de 0,54 $ de l'heure de MAI-Transcribe-2-Streaming de Microsoft, arrivé premier en octobre au classement streaming d'Artificial Analysis avec 2,5 % de WER à 0,13 seconde après la fin de la parole. Un produit qui peut attendre quelques secondes son texte ne devrait pas payer le tarif en direct.
Seul, le modèle en fait moins que ses concurrents. Il ne prend pas en charge la détection d'activité vocale côté serveur : votre application doit décider quand un locuteur a fini et valider chaque tour. Il ne renvoie ni horodatage par mot, ni attribution des locuteurs, ni score de confiance, ni langue détectée ; pour cela, OpenAI renvoie à whisper-1 ou gpt-4o-transcribe-diarize, tous deux arrêtés le 26 février 2027 sans remplaçant équivalent annoncé. Les transcriptions finales peuvent arriver dans le désordre et doivent être rapprochées par identifiant d'élément.
Les réglages sont solides. Cinq niveaux de délai permettent à une application de sous-titres d'afficher le texte tôt et à une application de prise de notes d'attendre la précision, les mots-clés aident pour les noms de produits, et un mot-clé mal formé fait rejeter toute la mise à jour de session, ce qui est strict mais facile à repérer en test. Les limites de débit commencent à 2 000 requêtes par minute au niveau Build et montent à 10 000 sur Launch et Grow.
Le traitement des données convient aux acheteurs réglementés. L'audio de l'API ne sert pas à l'entraînement par défaut, /v1/realtime garde des journaux de surveillance des abus pendant 30 jours et est éligible à la conservation zéro des données, et gpt-live-transcribe prend en charge la résidence des données aux États-Unis et en Europe.
Là où il fait la différence
Un ingénieur frontend qui ajoute des sous-titres en direct à une plateforme de webinaires
Afficher les sous-titres une ou deux secondes après la parole
Ouvrez une session de transcription Realtime via WebRTC, réglez le délai sur low et faites tourner la détection d'activité vocale côté client pour valider les tours. Un webinaire de 60 minutes coûte environ 1,02 $ par flux audio.
Une ingénieure backend qui migre une application de centre de contacts depuis gpt-realtime-whisper
Réduire les erreurs de transcription sans changer la chaîne de traitement
Gardez la connexion Realtime et changez de modèle, en remplaçant le champ de langue unique par la liste languages et en ajoutant les noms de produits comme mots-clés. Le prix à la minute ne change pas.
Un chef de produit dans une start-up européenne de télémédecine
Transcrire des consultations en direct sans que l'audio quitte l'UE
Utilisez la résidence des données dans l'UE et demandez la conservation zéro des données sur /v1/realtime. Il ne distingue pas le soignant du patient, il faut donc des canaux séparés ou une diarisation ultérieure.
Avant de vous engager
- Mise en route
- Connectez-vous à wss://api.openai.com/v1/realtime?intent=transcription, envoyez session.update avec type transcription et le modèle gpt-live-transcribe, diffusez de l'audio PCM à 24 kHz et validez vous-même chaque tour.
- Intégrations
- Sessions de transcription Realtime via WebSocket ou WebRTC uniquement ; pas le point d'accès de transcription de fichiers, ni Chat Completions, Responses ou Batch. Également référencé sur Azure AI Foundry et Vercel AI Gateway.
- Données et confidentialité
- L'audio de l'API ne sert pas à l'entraînement par défaut. /v1/realtime garde des journaux de surveillance des abus pendant 30 jours et est éligible à la conservation zéro des données ; la résidence des données est possible aux États-Unis et en Europe.
- Coût à grande échelle
- 100 000 minutes en direct par mois coûtent 1 700 $ sans remise sur volume ; le même audio sous forme de fichiers terminés sur gpt-transcribe coûte 450 $.
- Limites
- 2 000 requêtes et 210 000 tokens par minute sur Build, 10 000 requêtes sur Launch et Grow. Ni VAD côté serveur, ni horodatage, ni attribution des locuteurs, ni score de confiance, ni détection de langue ; un mot-clé invalide fait rejeter la mise à jour de session.
Les points forts
- Cinq niveaux de délai, de minimal à xhigh, pour arbitrer entre vitesse et précision
- Prompt de contexte, indices de mots-clés et plusieurs langues par session
- Environ 18 % d'erreurs en moins que gpt-realtime-whisper sur le test audio réel d'OpenAI, au même prix
- Éligible à la conservation zéro des données, avec résidence aux États-Unis et en Europe
- S'insère dans les sessions Realtime existantes en changeant de modèle
Les points faibles
- 0,017 $ la minute, presque quatre fois le modèle pour fichiers
- Aucune détection des tours côté serveur ; il faut la vôtre
- Ni horodatage, ni attribution des locuteurs, ni score de confiance, ni détection de langue
- Aucun chiffre de latence publié
- Fonctionne uniquement dans les sessions de transcription Realtime
Idéal pour
Équipes déjà sur la Realtime API d'OpenAI qui ont besoin de sous-titres ou de transcriptions en direct en plusieurs langues et peuvent se passer de l'attribution des locuteurs.
Alternatives à GPT Live Transcribe
GPT Live Transcribe : questions fréquentes
- GPT Live Transcribe vaut-il le coup ?
- Un choix par défaut fiable pour les sous-titres en direct dans l'écosystème OpenAI, au prix d'un modèle haut de gamme, qui vous laisse l'attribution des locuteurs, l'horodatage et même la détection des tours de parole. Nous lui donnons 3.7 sur 5.
- Combien coûte GPT Live Transcribe ?
- 0,017 $ par minute d'audio diffusé (environ 1,02 $ de l'heure), comme gpt-realtime-whisper. Pas de Batch. Le modèle pour fichiers gpt-transcribe coûte 0,0045 $ la minute.
- Quels sont les inconvénients de GPT Live Transcribe ?
- 0,017 $ la minute, presque quatre fois le modèle pour fichiers; aucune détection des tours côté serveur ; il faut la vôtre; ni horodatage, ni attribution des locuteurs, ni score de confiance, ni détection de langue; aucun chiffre de latence publié; fonctionne uniquement dans les sessions de transcription Realtime.
- À qui s’adresse GPT Live Transcribe ?
- Équipes déjà sur la Realtime API d'OpenAI qui ont besoin de sous-titres ou de transcriptions en direct en plusieurs langues et peuvent se passer de l'attribution des locuteurs.
- Combien coûte GPT Live Transcribe pour une équipe ou en production ?
- 100 000 minutes en direct par mois coûtent 1 700 $ sans remise sur volume ; le même audio sous forme de fichiers terminés sur gpt-transcribe coûte 450 $.
- GPT Live Transcribe est-il sûr pour les données de l’entreprise ?
- L'audio de l'API ne sert pas à l'entraînement par défaut. /v1/realtime garde des journaux de surveillance des abus pendant 30 jours et est éligible à la conservation zéro des données ; la résidence des données est possible aux États-Unis et en Europe.
- Quelles sont les meilleures alternatives à GPT Live Transcribe ?
- Les alternatives les plus proches que nous avons testées sont MAI-Transcribe-2-Streaming, GPT Transcribe, ElevenLabs Scribe v2 et Deepgram Nova-3.
Réponses vérifiées le 6 nov. 2026.