Die beiden Modelle teilen sich die Arbeit: GPT Live Transcribe ist „built for low-latency live transcription“, GPT Transcribe „optimized for asynchronous transcription of completed audio files and batch workloads“. Neu ist vor allem, dass sich beide mit Kontext füttern lassen – freiem Text über die Aufnahme, Stichwörtern für Namen und Fachbegriffe, erwarteten Eingabesprachen sowie bereits transkribierten früheren Redebeiträgen. Auf OpenAIs Context-Aware-ASR-Testsatz steigt die semantische Genauigkeit von GPT Live Transcribe dadurch von 38,5 auf 44,6 Prozent.
Die weiteren Zahlen der Ankündigung betreffen ebenfalls das Live-Modell und vergleichen es mit dem Vorgänger GPT-Realtime-Whisper-1: 19,70 gegenüber 20,33 Prozent Fehlerrate über 22 Sprachen auf Common Voice und 9,60 gegenüber 11,65 Prozent auf einem Testsatz mit realen Aufnahmen in neun Sprachen. Für das asynchrone GPT Transcribe nennt die Ankündigung keine eigenen Zahlen; The Decoder beziffert die Verbesserung gegenüber dem gut ein Jahr alten GPT-4o Transcribe auf 0,7 Prozentpunkte und berichtet, das Modell verarbeite Audio etwa 34-mal schneller als in Echtzeit.
Beim Preis ist die Rechnung eindeutig, denn beide Werte stehen in OpenAIs Preisliste: GPT Transcribe kostet 0,0045 Dollar je Audiominute, GPT-4o Transcribe 0,006 Dollar – ein Rückgang um 25 Prozent. GPT Live Transcribe liegt mit 0,017 Dollar je Minute deutlich darüber, was dem Echtzeitbetrieb geschuldet ist. Zum Vergleich: gpt-4o-mini-transcribe steht weiterhin mit 0,003 Dollar je Minute in der Liste, Whisper mit 0,006 Dollar.
Den Marktvergleich liefert der AA-WER-v2-Index von Artificial Analysis, ein Mischindex aus drei Datensätzen (AA-AgentTalk zu 50 Prozent, VoxPopuli-Cleaned-AA und Earnings22-Cleaned-AA zu je 25 Prozent). Unsere Abfrage am 30. Juli 2026 zeigt GPT Transcribe bei 3,3 Prozent Wortfehlerrate zu 4,50 Dollar je 1.000 Minuten, ElevenLabs Scribe v2 bei 2,2 Prozent zu 3,67 Dollar, Mistral Voxtral Small bei 2,8 Prozent zu 4,00 Dollar und die Google-Modelle bei 2,8 bis 2,9 Prozent, allerdings zu deutlich höheren Preisen (11,39 bis 18,15 Dollar je 1.000 Minuten). The Decoder liest denselben Index mit leicht abweichenden Werten (3,31 Prozent für GPT Transcribe, 2,3 für Scribe v2, 3,0 für Voxtral Small) – Ranglisten dieser Art werden laufend nachgeführt, an der Reihenfolge ändert das nichts: Beim reinen Genauigkeitswert liegt OpenAI hinten, beim Preis-Leistungs-Verhältnis führt ElevenLabs.