gpt-4o-mini-transcribe is OpenAI's kleinere, snellere spraak-naar-tekst-endpoint. Het doet één ding: neemt audio in, produceert tekst uit. Geen visuele invoer, geen chatcompleting, geen gebruik van tools. Als je hier kwam op zoek naar een multimodaal mini-model, dan is dit het niet. Het is speciaal ontwikkeld voor transcriptiewerklasten.
De volledige afstamming ziet er als volgt uit. Er is gpt-4o-transcribe (de grotere, nauwkeurigere broer), gpt-4o-transcribe-diarize (dezelfde familie maar met native sprekerslabeling), en deze mini-build die nauwkeurigheid inruilt voor doorvoer en kosten. De versie die je aanroept als gpt-4o-mini-transcribe is de rollende alias; specifieke gedateerde builds (gpt-4o-mini-transcribe-2025-03-20, gpt-4o-mini-transcribe-2025-12-15) laten je het gedrag vastzetten als je pipeline gevoelig is voor modelverschuiving.
Waar het goed in is
Korte audio is de sweet spot. Spraaknotities, fragmenten van klantenservicegesprekken, podcastsegmenten onder de vijftien minuten, voicemail. Het model levert schone tekst snel genoeg op dat je het inline in een gebruikersinterface kunt plaatsen zonder dat gebruikers het voelen. Voor een klein audiobestand zit de retourrit ruim binnen wat een eindgebruiker "instant" zou noemen.
Het verwerkt een breed scala aan audiokwaliteit. Telefoonkwaliteit 8 kHz audio, browser-opgenomen WebRTC-streams, lossy compressie die drie rondes van social-media hercodering heeft doorlopen. Geen van deze zijn ideaal, maar het model degradeert netjes in plaats van volledig te falen. Het transcript dat je krijgt van rommelige audio is bruikbaar voor triage; je zou het niet publiceren zonder controle.
De taaldekking is breed. Het model verwerkt de belangrijkste Europese talen goed: Engels, Spaans, Frans, Duits, Italiaans, Portugees, Nederlands, Pools. De prestaties voor Aziatische talen zijn ongelijk; transcripten in Mandarijn en Japans zijn goed, minder goed voorziene talen merkbaar minder. Code-switching binnen één uiting (iemand die Spaans spreekt en Engelse technische termen laat vallen) wordt vaker wel dan niet netjes afgehandeld.
Wat het niet doet
Geen spreker-diarisatie. Als je "wie zei wat" gelabeld in de output nodig hebt, wil je in plaats daarvan gpt-4o-transcribe-diarize, of een nabewerking-diarisatiestap bovenop het ruwe transcript. De mini-build retourneert één doorlopend tekstblok.
Geen realtime streaming van gedeeltelijke resultaten. Audio gaat erin als een compleet bestand (of een afgeronde chunk), tekst komt eruit. Voor live ondertiteling waar je gedeeltelijke hypothese-updates elke paar honderd milliseconden nodig hebt, is dit het verkeerde gereedschap. Een streaming-first ASR-systeem is dat wel.
Geen timestamps op woordniveau standaard. Timestamps op segmentniveau zijn beschikbaar; timing per woord niet. Als je ondertitelbestanden bouwt of strakke audio-tekstuitlijning doet voor editing, is dit belangrijk.
Geen native audiogeneratie. Dit model leest alleen audio. Voor spraaksynthese wil je een van de TTS-gelabelde modellen in dezelfde familie.
Nauwkeurigheidsverwachtingen
Het woordfoutpercentage hangt sterk af van de audio die je eraan geeft. Op schone, studiogeluids-Engelse vertelling komt de mini-build dicht bij zijn grotere broer. Op lawaaierige veldopnames gaat de kloof open: de volledige gpt-4o-transcribe is merkbaar robuuster tegen achtergrondgeluid, accent en overlappende spraak.
De vuistregel die het waard is om te internaliseren: kies de mini-build voor hoge volumes, voorspelbare audiokwaliteit en tolerante downstream use cases. Kies het volledige transcribe-model wanneer de audio moeilijk is, de stakes hoog zijn, of het transcript as-is door mensen gelezen zal worden. Voor een appels-met-appels WER-vergelijking tussen providers en audiocondities is de rollende /benchmarks/leaderboard de bron.
Realtime-factor (hoeveel sneller dan realtime het model audio verwerkt) zit comfortabel onder 1.0 op standaardinvoer, wat het goedkoop maakt om op schaal te draaien. Een opname van een uur transcribeert in ruim onder een uur wandkloktijd. Voor de kosten-versus-snelheid-weergave over audiomodellen, zie /benchmarks/speed.
Bestandsformaten en integratie
Het endpoint accepteert de bestandsformaten die je zou verwachten: mp3, mp4, mpeg, mpga, m4a, wav, webm, plus nog een paar meer. De maximale bestandsgrootte zit op 25 MB per verzoek via de standaard-API. Voor langere audio, verdeel het in chunks. De natuurlijke manier om dat te doen is op stiltegrenzen in plaats van vaste tijdsintervallen; knippen midden in een woord produceert transcripten met gehallucineerde voortzettingen.
Integratie is REST plus multipart upload. Er is geen streaming-invoervariant op dit endpoint; het bestand uploadt in één keer, het transcript komt terug wanneer de verwerking klaar is. Als je iets bouwt dat tekst moet beginnen te tonen voordat de spreker klaar is met praten, kijk dan naar de audio-preview modellen in dezelfde familie (gpt-4o-audio-preview), of naar een toegewijde streaming ASR-provider.
Waar het past in een pipeline
De veelvoorkomende patronen die we in productie zien:
- Voicemail-naar-tekst in klantenondersteuningstools. Beller laat een bericht achter, mini-transcribe draait het, de tekst belandt in de wachtrij van de agent. Het spraakbestand blijft voor replay indien nodig. Goedkoop genoeg op volume dat je het voor elk gesprek kunt doen, niet alleen geëscaleerde.
- Spraaknotitietranscriptie binnen messaging-apps. Gebruiker houdt de microfoon ingedrukt, laat los, de getranscribeerde tekst verschijnt naast de audio. Mini-build is snel genoeg dat de wachttijd natuurlijk aanvoelt.
- Eerste-pass podcast- en vergadertranscripten. Ruwe transcriptie gaat door het mini-model, een menselijke editor maakt het schoon. Dit combineren met een aparte diarisatiestap en een tekst-opschoningsstap door een kleine LLM produceert publiceerbare transcripten voor een fractie van de kosten van een volledig beheerde transcriptiedienst.
- Formuliervelden die dictatie accepteren. Nuttig als de audio-naar-tekst-tak van een langere pipeline waar de volgende stap een gestructureerde data-extractiemodel is.
Voor het bredere landschap van spraakgestuurde productoppervlakken, zie /usecases/voice. Voor pipelines die ASR combineren met downstream data-extractie, is /usecases/data-extraction het relevante overzicht.
Het kiezen
Gebruik gpt-4o-mini-transcribe wanneer je OpenAI's transcriptiestack wilt aan het goedkope eind van de prijs-en-snelheidscurve, en de audio die je verwerkt redelijk schoon is. De nauwkeurigheid is goed genoeg voor de meeste consumentgerichte transcriptie use cases. De latency is laag genoeg om het inline in een gebruikersinterface te plaatsen.
Sla het over wanneer je diarisatie nodig hebt, realtime gedeeltelijke resultaten, timestamps op woordniveau, of robuustheid op werkelijk moeilijke audio. Ga omhoog naar de volledige gpt-4o-transcribe of gpt-4o-transcribe-diarize, of kies een gespecialiseerde ASR-provider wiens bedrijf transcriptie is in plaats van algemene model-API's.
De verborgen valkuil die het waard is om te markeren: taaldetectie is automatisch. Als je invoer meertalig is of begint met een lange pauze, raadt het model af en toe verkeerd over in welke taal de audio is en produceert het een transcript in het verkeerde doel. Het expliciet doorgeven van de taalhint in het verzoek voorkomt dit volledig. Het is een gratis fix en het waard om te doen bij elke aanroep waar je de taal van tevoren kent.
Probeer het op je eigen audio op /live-test.
Laatste technische review: 2026-05-22 — Tokonomix.ai
