Paxa Labs 与 OpenAI 语音转文字：泰语及多语言对比
保留 OpenAI SDK，把转写调用换到以泰语为先的模型上。两个 API 在输出格式、时间戳、区分说话人、专有词汇、实时轮次和模型存续上的比较。
如果您的产品在调用 OpenAI 的转写接口，而录音是泰语，请先确认哪个模型能返回您需要的内容。OpenAI 的指南把词级时间戳和 srt、vtt 字幕交给 whisper-1，把说话人标注交给 gpt-4o-transcribe-diarize。其弃用页面列明，这两个模型连同 gpt-4o-transcribe 和 gpt-4o-mini-transcribe，将于 2027 年 2 月 26 日移除。我们的 /v1/audio/transcriptions 接口接受同样的 SDK 调用，换一个 base URL 即可。Paxa STT Lite 以泰语为先，也能转写其他语言，目前是研究预览版。
来源：OpenAI transcription overview（在新标签页中打开）OpenAI deprecations（在新标签页中打开）
价格与说明最近核实于 2026年10月
差异
| 维度 | Paxa Labs | OpenAI（在新标签页中打开） |
|---|---|---|
| 迁移现有的 OpenAI 集成 | 继续使用 OpenAI SDK 和原有的 audio.transcriptions.create 调用。把 base URL 指向我们的 API，换用 Paxa 密钥，model 可以沿用 whisper-1 或除 gpt-4o-transcribe-diarize 以外的 gpt-4o 转写模型名，也可以设为 paxa-stt-lite-v1-preview。单个文件最大 25 MiB、最长 60 分钟。 | SDK 的 audio.transcriptions.create 会把录音文件连同 model 上传到 POST /v1/audio/transcriptions，文件最大 25 MB。 |
| 输出格式 | 兼容接口支持 json（默认）、verbose_json、text、srt 和 vtt。 | json、text、srt、verbose_json、vtt 和 diarized_json，具体取决于模型。其概览把 srt 和 vtt 字幕交给 whisper-1。 |
| 词级时间戳 | 原生 /v1/stt 接口返回 words 数组，每个词一个时间区间，泰语会自动分词。兼容接口在 timestamp_granularities 包含 word 时，于 verbose_json 中返回 words。 | 用于词级或片段级时间戳的 timestamp_granularities 只适用于 whisper-1。 |
| 说话人标注 | /v1/stt 返回说话人轮次，按首次出现的顺序从 0 开始编号，适用于短于 9 分钟的录音。 | gpt-4o-transcribe-diarize 返回带 speaker、start 和 end 的 diarized_json 片段，并可借助简短的参考音频，对应到最多四位已知说话人。 |
| 专有词汇和上下文 | /v1/stt 的词表最多 50 个词，不额外收费。兼容接口会忽略 prompt。 | gpt-transcribe 接受用于上下文的 prompt、列出预期词语的 keywords，以及说明预期输入语言的 languages。 |
| 实时轮次 | Paxa STT Lite Realtime 运行在 WS /v1/stt/live 上，自动检测用户何时开始和停止说话，每个轮次发送一份最终转写。 | gpt-live-transcribe 要由您的应用自行判断语音结束，再提交每个轮次，之后才返回最终转写。它不返回词级时间戳或说话人标注。 |
| 模型存续 | paxa-stt-lite-v1-preview 是研究预览版。请求按公布的费率计费，转写质量和选项可能随版本更新而变化。 | 其弃用页面列明，whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe 和 gpt-4o-transcribe-diarize 将于 2027 年 2 月 26 日移除，推荐的替代模型是 gpt-transcribe 和 gpt-live-transcribe。 |
来源：OpenAI file transcription guide（在新标签页中打开）OpenAI transcriptions API reference（在新标签页中打开）OpenAI transcription overview（在新标签页中打开）OpenAI realtime transcription（在新标签页中打开）OpenAI deprecations（在新标签页中打开）
- Paxa STT Lite，每小时音频
- $0.50
- OpenAI
- $0.27-0.36
- 对方价格的倍数
- 0.54-0.72×
OpenAI 的价格区间从 gpt-transcribe 到 whisper-1，即按分钟计价的两个转写模型，不含按 token 计价的 gpt-4o-transcribe 系列。所有价格均按每小时录音计，从服务商最便宜的按量付费模型到最贵的模型。按分钟或按秒计费的价格均已换算为这一单位。
按您的用量计算的费用
| 每月音频时长 | Paxa Labs | OpenAI | 差额 |
|---|---|---|---|
| 10 小时 | Paxa Labs$5 | OpenAI$2.70-3.60 | 差额贵 $2.30 |
| 100 小时 | Paxa Labs$50 | OpenAI$27-36 | 差额贵 $23 |
| 1,000 小时 | Paxa Labs$500 | OpenAI$270-360 | 差额贵 $230 |
| 10,000 小时 | Paxa Labs$5,000 | OpenAI$2,700-3,600 | 差额贵 $2,300 |
每个数字都是双方公布的价格乘以旁边的用量。如果对方公布的是价格区间，就按最低价比较，并显示该区间。
什么情况下 OpenAI 更合适
如果您的产品已经在用 OpenAI，把语言模型和转写放在同一家供应商、同一张账单里，确实方便。gpt-transcribe 可以读取自由文本形式的 prompt 来理解上下文，我们的兼容接口会忽略这个字段。对方的说话人标注模型能借助简短的参考音频把说话人对应到姓名，这项能力我们不提供。其实时转写还支持通过 WebRTC 接入浏览器音频。如果您的录音是泰语，并且需要从同一个模型拿到词级时间戳、说话人轮次或字幕，请选择我们。
常见问题
要重写现有的 OpenAI 集成吗？
不用。把 SDK 的 base URL 指向我们的 API，换上 Paxa 密钥即可。原有的 audio.transcriptions.create 调用能继续运行，whisper-1 和 gpt-4o 转写模型名也都适用，在 paxa-stt-lite-v1-preview 上运行。gpt-4o-transcribe-diarize 不受支持，说话人标注请使用 POST /v1/stt。
兼容接口有哪些限制？
兼容接口忽略 prompt 和 temperature。verbose_json 返回分段，timestamp_granularities 包含 word 时还会返回词。说话人轮次、词表以及口语体或书面体选项，都在 /v1/stt 上提供，使用同一个密钥。
是否发布准确率或延迟对比？
没有。我们不公开自己测得的准确率、质量或延迟数据，无论针对我们的模型还是其他任何模型。请用同一段录音在两边各转写一次，对照两份转写文本。
页面上的价格有多新？
价格取自各家公开的标价，集中记录在一处，并按固定周期复核。页面顶部标有最近一次核对的月份。
其他对比
从免费积分开始
使用 Google、GitHub 或 Hugging Face 登录，即可用 100 一次性免费积分处理您自己的文本。
免费开始