Whisper 2027 年 2 月停用：廣東話 ASR 嘅遷移清單

OpenAI 喺 2026-08-26 通知開發者：whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe、gpt-4o-transcribe-diarize，連同 /v1/audio/translations，會喺 2027-02-26 關閉（OpenAI 官方 deprecations 頁）。官方建議嘅替代品係 gpt-transcribe 同 gpt-live-transcribe。

呢件事對英文團隊只係換個 model ID。對粵語團隊就唔止。因為粵語嘅錯誤集中喺三個位：中英夾雜、專有名詞、口語字。換型號等於換一套「錯法」。

本文只做三件事。列出已核實嘅時間線同價格。講清楚粵語會遇到咩。再給一份可以直接照做嘅遷移清單。

重點摘要

• OpenAI 已公告 4 個轉寫型號 2027-02-26 關閉；替代品係 gpt-transcribe（$0.0045/分鐘）同 gpt-live-transcribe（$0.017/分鐘）。
• 價格差距好大：同一小時音檔，gpt-transcribe 約 US$0.27，gpt-live-transcribe 約 US$1.02，相差接近 4 倍。
• 粵語最易出錯嘅唔係「聽唔到字」，係「中英夾雜段落」。公開評測顯示同一模型喺混合語句上字錯率可以係日常句嘅 3 至 4 倍。
• 遷移唔止換 endpoint。要一齊搬：詞表、時間戳需求、長音檔流程、計費單位。

時間線同已核實嘅價錢

根據 OpenAI 官方 deprecations 頁，關閉日期係 2027-02-26。同頁亦列明 /v1/audio/translations 會一齊停，翻譯要改去 Realtime 翻譯介面。

價格方面，官方 pricing 頁（2026-10-31 抓取）列出：

呢張表有一個位好多人睇漏。gpt-live-transcribe 係實時路線，價錢係檔案路線嘅 3.8 倍。所以「搬去新建議型號」其實要先答一個問題：你需要實時，定只需要檔案？

如果你只需要檔案轉寫，答案好簡單：gpt-transcribe，價錢仲平過原本嘅 Whisper。如果你嘅產品係實時字幕或者語音 agent，成本會跳一大級。

粵語會撞到咩：錯誤集中喺中英夾雜

字錯率係一個「你改幾多字」嘅指標。例如一段 100 字嘅稿錯 8 個字，字錯率就係 8%。

公開評測（AlienKevin/cantonese_asr_eval，以 Common Voice、廣州日常用語、粵英混合語料等六個領域比較）顯示一個模式：

呢張表最值得睇嘅係第 4 行。同一個 Whisper 型號，混合語句 CER 係 20.85%，去到 Common Voice 混合句只係 5.55%。差距接近 4 倍。

換句話講，「Whisper 幾準」呢個問題冇單一答案。要問清楚：你嘅錄音係邊個領域？有幾多英文詞？有幾多人名？

同一現象亦見於大型粵語語料評測。學術界 2026 年發佈嘅 WenetSpeech-Yue 語料庫（21,800 小時、10 個領域）指出，粵語長期缺乏標註資源，直接拉低 ASR 表現；佢哋同時發佈 WSYue-ASR-eval 測試集，分短句（0–10 秒）同長句（10–30 秒），並刻意加入粵英夾雜同多領域條件。

呢個做法值得借。測試粵語 ASR 唔可以只測短句。長句會考驗標點、斷句同上下文記憶，短句唔會。

【獨家觀察】我哋整理過香港團隊最常撞嘅四類內容，錯誤率由低到高排列：純粵語書面句、日常對話、會議（有數字同人名）、客服通話（有背景音同重疊發言）。換型號之前，最好用自己最差嘅一類錄音做基準，而唔係用最乾淨嘅樣本。

遷移清單：五步，逐項有交付物

第一步：分清檔案路線同實時路線

唔好一次過搬。先分開兩條線計數：一條係「上載檔案、等結果」，一條係「一路講一路出字」。

原因係成本。檔案路線每小時約 US$0.27，實時路線約 US$1.02。如果你九成用量都係檔案，就唔應該為咗一成實時需求，將全部流量搬去實時型號。

第二步：確認新舊型號嘅輸出格式差異

whisper-1 支援 srt、vtt、verbose_json 同逐字時間戳。gpt-transcribe 嘅輸出係文字為主，語言資訊用 languages 欄位回傳。

如果你嘅下游系統靠 srt 出字幕，呢一步就會斷。要另找辦法制時間戳，或者改用仍然支援字幕格式嘅工具。

【實測】我哋自己嘅公開 API 只回 json 同 text。收到 srt 或 verbose_json 請求時，會直接回 400 unsupported_response_format，唔會砌假時間戳。呢個設計係刻意嘅：假時間戳會令字幕對軸全錯，比拒絕更差。詳見 即時語音轉文字 WebSocket 教學 講嘅 delta／done 語義。

第三步：搬詞表，唔止搬 endpoint

粵語嘅錯誤有一半係專有名詞。人名、公司名、屋苑名、產品代號，全部係低頻詞。

各家嘅詞表規則唔同：

• OpenAI：gpt-transcribe 支援 keyword hints，具體上限以官方 model 頁為準。
• ElevenLabs Scribe v2：最多 100 個 keyterm，每個 ≤50 字元、≤5 個詞，另收 $0.05/小時（官方 API 定價）。
• Deepgram：keyterm prompting 最多 100 個詞，屬加購功能（Nova-3 文件）。
• 港嘢：詞表上限 50 個詞，每個 ≤30 字元，提示句總長 ≤200 字元。

搬遷時最易漏嘅係「詞表長度唔同」。原本放 80 個品牌名嘅清單，搬去上限 50 嘅平台就會靜靜被截走 30 個。要重新排優先次序。

做法可以參考 粵語熱詞辨識：人名、地名、品牌點教引擎聽得啱，同埋 粵語 ASR 自訂詞彙測試協議。

第四步：長音檔要另設流程

whisper-1 嘅上載上限係 25 MiB。超過就要自己切片、自己拼接、自己處理邊界重複字。

gpt-transcribe 嘅限制改用 duration 或 token 計，官方叫你逐個 model 查文件。呢種「限制由檔案大小改成時長」嘅變化，會令原本靠檔案大小做前置檢查嘅程式失效。

【實測】我哋嘅做法係把界線寫死喺契約：同步路線上限 8 分鐘（480 秒）、檔案 4.5 MB；超過就回 400 audio_too_long，並在回應帶 async_endpoint，叫 client 改去非同步路線（上限 4 小時、200 MB）。呢個設計令「同一條檔案永遠同一個答案」，唔會因為引擎負載而時鬆時緊。

上載同壓縮嘅實務步驟，見 音檔壓縮上載指南。

第五步：用固定樣本做前後對照

搬完之後，唔好靠感覺。用同一批音檔跑舊型號同新型號，逐句對比。

最少要三類樣本：純粵語、中英夾雜、含人名地名。每類至少 10 條。計三個數：字錯率、專名錯率、需要人手改嘅句數。

呢個方法同 廣東話語音轉文字實測：WER、中英夾雜、港式英文點樣測 一致。分別只係今次係「同一份稿、兩個引擎」。

仲有第三條路：唔搬 OpenAI，搬去粵語專門方案

如果你嘅用量主要係粵語，第三條路值得計一計。

呢張表嘅重點唔係「邊個最平」。係「邊個嘅粵語路線同你嘅檔案長度匹配」。

例如你需要轉 3 小時嘅聆訊錄音。AssemblyAI 嘅 async 旗艦唔含粵語，你要跌去舊一層型號，或者改用其他家。呢類細節唔會寫在首頁，只會寫在語言支援文件。

結尾：呢件事嘅真正風險係「靜靜壞掉」

2027-02-26 呢個日期，唔會令你嘅系統即刻停。OpenAI 有 6 個月通知期，中間仲會照跑。

真正風險係另一種。有人在 12 月順手改個 model ID，測試用英文樣本過關，上線之後才發現粵語人名全錯。因為英文樣本唔會測到中英夾雜。

所以最實際嘅做法係：今個月就用自己最差嘅一段錄音，跑一次新舊對照。有數在手，你就知要唔要改詞表、要唔要改長音檔流程、要唔要換方案。

想直接試粵語轉寫？可以由 廣東話語音轉文字 開始，或者睇 API 文件 了解同步同非同步兩條路線嘅分別。如果係計成本，語音轉文字 vs 請人打字：會議記錄成本逐分鐘計 有一條可以直接套用嘅算式。

常見問題

gpt-transcribe 係唔係一定要即刻搬？

唔係。2027-02-26 之前舊型號照跑。但建議 2026 年內做完對照測試，因為出事時間通常係「上線前才試」，而冇 buffer。

搬過去會唔會貴咗？

檔案路線會平。whisper-1 每小時約 US$0.36，gpt-transcribe 約 US$0.27。實時路線會貴，gpt-live-transcribe 約 US$1.02。

我只需要粵語，仲要唔要理呢件事？

要。因為你嘅 fallback 路線可能就係 OpenAI。如果主方案某日爆 quota，你唔會想 fallback 去一個下年關閉嘅型號。

詞表可以原封不動搬？

多數唔可以。各家上限唔同：我哋 50 詞、ElevenLabs 100 詞。清單過長會被靜靜截走，唔會報錯。搬之前要重排優先次序。

關於呢篇文

本文由港嘢內容團隊整理，資料以官方文件同公開評測為準。發現數字過期或者有更好來源，歡迎 聯絡我們 指正；想了解我哋點做粵語評測，可以睇 關於港嘢。

資料來源：OpenAI《Deprecations》（developers.openai.com/api/docs/deprecations，2026-10-31 抓取）；OpenAI 定價頁（developers.openai.com/api/docs/pricing，2026-10-31）；OpenAI Help Center 音檔上載上限（25 MiB）；AlienKevin《cantonese_asr_eval》CER 表（github.com/AlienKevin/cantonese_asr_eval）；Speechmatics、ElevenLabs、Deepgram、AssemblyAI、Google Cloud 各自官方定價頁（2026-10-31）。