Az OpenAI új transzkripciós modelljei csökkentik a hibaarányt és az árat, de továbbra is lemaradnak az ElevenLabs és a Google mögött

• Az OpenAI bemutatta az új GPT Transcribe és GPT Live Transcribe modelleket.
• A hibaarány és az ár is jelentősen csökkent az előző generációhoz képest.
• Az ElevenLabs és a Google modellei továbbra is jobban teljesítenek a független mérőszámok alapján.
• Az új modellek több nyelvet és kontextusbeállítást támogatnak.

Az OpenAI két új hangfelismerő modellt mutatott be, amelyek gyorsabbak és pontosabbak elődeiknél, ráadásul olcsóbban kínálják a transzkripciós szolgáltatást. Az iparági összehasonlítások szerint azonban az ElevenLabs és az Google hasonló megoldásai még mindig előrébb járnak a pontosságban és árban is.

Az OpenAI új transzkripciós modelljeinek bemutatása

A GPT Transcribe és GPT Live Transcribe fő jellemzői

Az OpenAI bejelentette a GPT Transcribe-t, amely elsősorban kész hangfájlok gyors feldolgozására szolgál, valamint a GPT Live Transcribe-t, amely alacsony késleltetésű, valós idejű hangfelismerést kínál API-n keresztül. Az új modellek több mint harmincszor gyorsabban képesek feldolgozni a hangot, mint valós időben, ezzel jelentősen felgyorsítva a transzkripciós folyamatokat.^{[^1]}

Javuló hibaarány és csökkenő ár

A független Artificial Analysis által üzemeltetett AA-WER benchmark szerint a GPT Transcribe hibaaránya 3,31 százalék, ami 0,7 százalékpontos javulást jelent az egy évvel korábbi GPT-4o Transcribe modellhez képest. Az ár is jelentősen csökkent: percenként 0,45 centre mérséklődött, ami 25 százalékos árzuhanást jelent.^{[^1]}

Nemzetközi összehasonlítás: lemaradás az ElevenLabs és az Google mögött

AA-WER rangsor: a legjobbak között sem az első

Bár az OpenAI fejlesztései javulást mutatnak, az AA-WER független rangsorban továbbra is lemaradnak a piacvezetőkhöz képest. Az ElevenLabs Scribe v2 hibaaránya mindössze 2,3 százalék, az Google Gemini 3 Pro 2,9 százalékos hibaaránnyal dolgozik, míg a Mistral Voxtral Small modellje 3 százalékot ér el.

„Az OpenAI jelentős előrelépést tett, de a legjobb modellekhez képest továbbra is van hova fejlődnie.”

^{[^1]}

Árverseny és új funkciók

A piaci versenyt tovább élezi, hogy a Mistral nemrég mutatta be a Voxtral Transcribe V2 modellt, amely már 0,3 centes percenkénti árat kínál. Az OpenAI új modelljei támogatják a szöveges kontextusbeállítást, kulcsszavak megadását és több bemeneti nyelvet is, így igyekeznek lépést tartani a versenytársakkal.^{[^1]}

A transzkripciós modellek fejlődése és jövője

Az OpenAI új transzkripciós modelljei kiegészítik a közelmúltban bemutatott valós idejű modellgenerációt, köztük az GPT-Realtime-Whisper megoldást, amelyek célja, hogy az élő beszélgetések során is megbízhatóan működjenek.^{[^1]}

Összefoglaló

Az OpenAI legújabb transzkripciós modelljei jelentős fejlődést mutatnak gyorsaságban, pontosságban és árban is, ugyanakkor a versenytárs ElevenLabs, Google és Mistral továbbra is előrébb járnak a technológiai rangsorban. Az OpenAI újításaival azonban egyre közelebb kerül a piacvezetőkhöz, a felhasználók számára pedig egyre több opció és funkció válik elérhetővé.

Forrás:

[^1]: Jonathan Kemper (2026-07-29). “OpenAIs neue Transkriptionsmodelle senken Fehlerrate und Preis, liegen aber weiter hinter ElevenLabs und Google”. THE DECODER. Közzétéve [2026. 07. 29.].