GPT Transcribe erklärt: OpenAI-Sprache-zu-Text für präzises Audio

GPT Transcribe ist das Sprache-zu-Text-Modell, das OpenAI empfiehlt, um abgeschlossene Aufnahmen in Text in ihrer Originalsprache zu verwandeln. Es ist für hochgeladene Audiodateien gedacht, für gestreamte Transkriptergebnisse aus fertigen Dateien und für festgelegte Audioturns in Realtime-WebSocket-Sitzungen. Dieser Umfang macht es nützlich in Meetings, Interviews, Podcasts, Support-Calls, Forschungsaufnahmen und jedem Produkt, das durchsuchbaren Text aus Sprache braucht.

Der entscheidende Punkt ist der genaue Modellname: gpt-transcribe. Es ist kein Kürzel für gpt-4o-transcribe und kein allgemeines ChatGPT-Modell, das zufällig eine MP3 akzeptiert. OpenAI dokumentiert es als eigenständiges, hochpräzises Transkriptionsmodell mit Audio- und Texteingaben, Textausgabe, Kontext-Hinweisen, mehrsprachiger Führung, Spracherkennung und Streaming-Unterstützung. Dieser Leitfaden erklärt, was diese Fähigkeiten in der Praxis bedeuten — und wo ein anderes Modell weiter die richtige Wahl bleibt.

Quellen und Produktdetails geprüft am 30. Juli 2026. Prüfe Modellverfügbarkeit, Preise, Limits und Datenkontrollen erneut, bevor Produktionsverkehr umzieht.

Die wichtigsten Punkte

• Starte mit gpt-transcribe für eine fertige Aufnahme, die in ihrer Originalsprache bleiben soll.
• Sende Dateien an POST /v1/audio/transcriptions; die Antwort enthält den Transkripttext und die Sprachen, die das Modell zuverlässig erkennen kann.
• Nutze prompt, keywords und languages als passenden Kontext, nicht als Anweisung, Inhalt zu erfinden.
• Das Streaming-Transkript einer bereits vollständigen Datei ist nicht dasselbe wie das ununterbrochene Transkribieren eines Live-Mikrofons.
• Halte spezialisierte Wege für Sprecherlabels, Wort-Zeitstempel, Untertiteldateien und Übersetzung ins Englische bereit.
• Bewerte Namen, Zahlen, Auslassungen, Sprachwechsel, Latenz und falsche Einfügungen mit deinem eigenen Audio, bevor du ausrollst.

Was ist GPT Transcribe?

GPT Transcribe ist ein Modell zur automatischen Spracherkennung. Seine Kernaufgabe ist enger als die eines Konversationsmodells: gesprochene Sprache plus optionalen Textkontext empfangen und ein geschriebenes Transkript zurückgeben. Die offizielle Modellkarte von GPT Transcribe listet Audio und Text als Eingabemodalitäten, Text als Ausgabemodalität sowie Transkription und Realtime-Transkription als unterstützte Endpunkte.

Der Name «GPT» zählt, weil die Schnittstelle sprachlichen Kontext nutzen kann, den eine traditionelle akustische Pipeline getrennt behandeln würde. Eine Anfrage kann die Aufnahme beschreiben, wörtliche Begriffe auflisten, die wahrscheinlich vorkommen, und mehrere erwartete Sprachen benennen. OpenAI hat auf der Modellkarte jedoch keine detaillierte Architektur und kein Trainingsrezept veröffentlicht. Eine interne Parameterzahl, Datensatzgröße, Decoder-Design oder universelle Genauigkeit zu behaupten wäre Spekulation.

Die praktische Definition ist nützlicher:

GPT Transcribe ist ein kontextbewusstes Sprache-zu-Text-Modell für präzise Dateitranskription und festgelegte Audioturns, mit JSON-zentrierter Ausgabe und Metadaten erkannter Sprachen.

Diese Definition verhindert auch einen häufigen Namensfehler. gpt-transcribe, gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-4o-transcribe-diarize, gpt-live-transcribe und whisper-1 sind unterschiedliche Modellwahlen. Die Modelle überlappen, aber ihre besten Abläufe und unterstützten Ausgaben sind nicht identisch.

Wo es in OpenAIs Sprache-zu-Text-Stack sitzt

Die aktuelle Dokumentation von OpenAI empfiehlt, mit dem Modell zu starten, das zum Audiolebenszyklus und zur geforderten Ausgabe passt. Die Entscheidung ist nicht einfach «neues Modell gegen altes Modell».

Diese Unterscheidung wird leicht übersehen, weil «Streaming» zwei Dinge beschreibt. Eine Datei kann schon auf der Platte liegen, während die API partielle Transkriptereignisse an die Anwendung zurücksendet. Live-Transkription ist etwas anderes: Mikrofon- oder Call-Audio kommt weiter an, und das System muss eine laufende Realtime-Sitzung führen. Die Migrationsanleitung von Whisper zu GPT von OpenAI rät ausdrücklich, Live-Audio und Streaming-Ausgabe als getrennte Entscheidungen zu behandeln.

Für eine knappe, browserorientierte Beschreibung des Modells und seiner praktischen Grenzen ist die Modellübersicht zu GPT Transcribe ein nützlicher Begleiter der API-Dokumentation.

Wie /v1/audio/transcriptions arbeitet

Für eine fertige Datei bleibt die Integration bewusst einfach. Die Anwendung öffnet die Audiodatei, sendet sie als Multipart-Daten, wählt gpt-transcribe und empfängt JSON.

curl --request POST \
  --url https://api.openai.com/v1/audio/transcriptions \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header "Content-Type: multipart/form-data" \
  --form file=@/path/to/meeting.mp3 \
  --form model=gpt-transcribe

Eine erfolgreiche Antwort kann Text und erkannte Sprachen enthalten:

{
  "text": "Bonjour, can everyone see the AC-42 billing record?",
  "languages": [{ "code": "fr" }, { "code": "en" }]
}

Spracherkennung ist ein probabilistisches Metadatum, kein Pflicht-Echo der Hinweise, die die aufrufende Seite sendete. Ein leeres languages-Array ist gültig, wenn das Modell keine zuverlässige Vorhersage treffen kann; allein bedeutet das weder, dass das Audio still war, noch dass die Anfrage scheiterte.

Die Sprache-zu-Text-Anleitung von OpenAI begrenzt derzeit einen Upload an die Transcriptions-API auf 25 MB und fasst Unterstützung für MP3, MP4, MPEG, MPGA, M4A, WAV und WebM zusammen. Die aktuelle Endpoint-Referenz listet zusätzlich FLAC und OGG. Weil Guide-Zusammenfassungen und Endpoint-Schemas zu unterschiedlichen Zeiten reifen können, prüfe die API-Referenz Create transcription bei der Validierung, statt eine statische Formatliste in ein dauerhaftes Produktversprechen zu kopieren.

Kontext ist die wichtigste Steuerfläche des Modells

Echte Aufnahmen stecken voller Wörter, die leicht falsch zu hören und teuer zu verfehlen sind: Kunden-IDs, Wirkstoffnamen, Modellnummern, Personen, Organisationen, Akronyme und gemischtsprachige Phrasen. GPT Transcribe trennt drei Arten von Kontext.

prompt: beschreibe die Aufnahme

Ein Prompt ist freier Kontext über Setting oder Thema. Ein nützlicher Prompt könnte sagen:

A customer support call about enterprise billing and an account migration.
Preserve filler words because the transcript will be used for conversation research.

Das sagt dem Modell, in welcher sprachlichen Nachbarschaft es arbeitet. Es kann auch Formatwünsche angeben oder Kontext aus dem vorangehenden Stück einer langen Aufnahme mitführen. Es sollte kein erfundenes Transkript enthalten und das Modell nicht um eine Zusammenfassung bitten; Transkribieren und Nachbearbeitung sind getrennte Aufgaben.

keywords: liefere wörtliche Begriffe

Keywords sind Wörter oder Phrasen, die in der Aufnahme wirklich vorkommen können:

["AC-42", "Premium Plus", "ZyntriQix", "SOC 2"]

Das sind Hinweise, keine Pflichtausgabe. Diese Unterscheidung ist operativ. Eine Terminologieliste kann die Wiederfindung verbessern, aber eine irrelevante oder überlange Liste kann die Erkennung zu einem Wort verzerren, das niemand gesprochen hat. OpenAI empfiehlt, Keyword-Halluzination ausdrücklich zu prüfen: Das Transkript sollte ein Keyword nur enthalten, wenn das Audio es trägt.

languages: benenne erwartete Sprachen

Das languages-Array kann mehrsprachiges Audio und Code-Switching beschreiben. Die aktuelle Dokumentation akzeptiert ISO-639-1-Codes wie en, es und fr, einige ISO-639-3-Codes und regionale chinesische Locale-Codes wie zh-cn, zh-tw und zh-hk.

Das ist ein Migrationsdetail und eine Funktion. gpt-transcribe nutzt das Pluralfeld languages. Ältere Modelle können das Singularfeld language nutzen. Sende nicht beide und nimm an, der Server wähle eines; die aktuelle Anleitung sagt, die API weise inkompatible oder fehlerhafte Werte zurück.

Eine fertige Datei zu streamen ist keine Live-Transkription

Setze stream=true, wenn die Audiodatei vollständig ist, die Oberfläche aber Text zeigen soll, während die Verarbeitung vorankommt. GPT Transcribe sendet transcript.text.delta-Ereignisse und endet mit transcript.text.done.

Das kann die wahrgenommene Reaktionsgeschwindigkeit in einem langen Interview verbessern. Die nutzende Person sieht die ersten Absätze, bevor das volle Ergebnis bereit ist, während die Anwendung weiter ein klares Abschlussereignis zum Speichern, Indexieren oder Freischalten nachgelagerter Aktionen hat.

Es macht /v1/audio/transcriptions nicht zum offenen Mikrofon. Die ganze Datei wird mit der Anfrage geliefert. Für eine laufende Quelle verweist OpenAI Entwicklerinnen und Entwickler auf Realtime-Transkription und empfiehlt gpt-live-transcribe für durchgehende Arbeit mit niedriger Latenz.

Es gibt einen fortgeschrittenen Mittelweg: gpt-transcribe kann in einer Realtime-WebSocket-Transkriptionssitzung laufen, nachdem die Anwendung einen Audioturn manuell festlegt. Das ist nützlich, wenn Genauigkeit nach einer begrenzten Äußerung wichtiger ist als durchgehende Captions. Die Anwendung hängt Audio an, legt den Buffer fest und empfängt Deltas, gefolgt von einem abgeschlossenen Transkriptionsereignis für diesen Turn.

Das gibt Produktteams drei unterschiedliche Interaktionsmuster:

1. Blockierende Dateitranskription: lade eine fertige Aufnahme hoch und warte auf das finale JSON.
2. Gestreamtes Dateiergebnis: lade eine fertige Aufnahme hoch und rendere die Transkript-Deltas.
3. Realtime-Transkription: sende Audio über eine laufende Verbindung, durchgehend mit einem Live-Modell oder in manuell festgelegten Turns.

Diese Muster korrekt zu benennen verhindert spätere Architekturüberraschungen.

Was Genauigkeit in der Produktion bedeutet

Es gibt keine ehrliche universelle Genauigkeitszahl für Sprache zu Text. Die Wortfehlerrate ändert sich mit Sprache, Akzent, Mikrofonabstand, Codec, Rauschen, Überlappung, Wortschatz, Sprecherverhalten und den Regeln, mit denen Satzzeichen oder Großschreibung normalisiert werden. Ein Benchmark an sauberer englischer Vertonung sagt nicht die Leistung eines zweisprachigen Support-Calls voraus, der über einen 8-kHz-Telefonkanal aufgenommen wurde.

GPT Transcribe sollte deshalb als Baustein in einem konkreten Ablauf bewertet werden, nicht als Ranking-Etikett. Baue einen kleinen, erlaubten Evaluationssatz, der das Audio repräsentiert, das Nutzerinnen und Nutzer wirklich senden. Bewahre das menschlich freigegebene Referenztranskript und vergleiche mindestens drei Konfigurationen:

• die aktuelle Produktionsbasis;
• einen reinen Modellwechsel zu gpt-transcribe;
• gpt-transcribe mit passenden Prompt-, Keyword- und Sprachhinweisen.

Miss mehr als die aggregierte Wortfehlerrate:

«Verbessere» ein Evaluationstranskript nicht mit einem allgemeinen Textmodell, bevor du es bewertest. Nachbearbeitung kann ein lesbareres Dokument erzeugen und still die Wörter der sprechenden Person ändern. Bewahre eine wörtliche Schicht und leite danach eine bereinigte oder zusammengefasste Schicht mit Prüfpfad ab.

Was GPT Transcribe nicht ersetzt

Der neueste Standard ist nicht automatisch das funktionsvollständigste Modell für jede Ausgabe.

Sprecherdiarisierung

Wenn das Produkt «wer sagte was» beantworten muss, nutze gpt-4o-transcribe-diarize. Die Antwort diarized_json enthält Segmente mit Sprecher sowie Start- und Endmetadaten. Für Aufnahmen von mehr als 30 Sekunden verlangt OpenAI eine automatische oder konfigurierte Chunking-Strategie. Das Modell kann auch kurze Referenzproben für eine begrenzte Zahl bekannter Sprecherinnen und Sprecher annehmen, aber Sprecherlabeling ist in Realtime-Transkriptionssitzungen nicht unterstützt.

Wort-Zeitstempel und Untertitel

Die JSON-zentrierte Ausgabe von GPT Transcribe ersetzt nicht direkt jedes Whisper-Antwortformat. Hängt eine Schnittperson von Wort-Zeitstempeln, Segment-Zeitstempeln, SRT, VTT oder verbose_json ab, behalte whisper-1 oder baue und validiere eine eigene Alignment- und Untertitelschicht. Fabriziere keine Timecodes, indem du Wörter gleichmäßig über die Dateidauer verteilst.

Übersetzung

Transkription bewahrt die original gesprochene Sprache. Übersetzung wechselt die Sprache. OpenAIs Weg für fertige Aufnahmen ins Englische bleibt /v1/audio/translations mit whisper-1. Für andere Übersetzungsabläufe trenne Erkennung und Übersetzung, damit jede Stufe prüfbar bleibt.

Unbegrenzte Eingabelänge

Das Upload-Limit von 25 MB ist kein Dauerversprechen. Eine komprimierte Mono-Aufnahme kann weit mehr Minuten fassen als unkomprimiertes Stereo-WAV. Für größere Eingaben komprimiere sinnvoll oder teile an semantischen Grenzen. Mitten im Satz zu schneiden nimmt akustischen und sprachlichen Kontext, und überlappende Stücke ohne Abgleichstrategie können Wörter verdoppeln.

Kosten und Durchsatz

Die Preisseite von OpenAI listete gpt-transcribe mit $0.0045 per minute, als dieser Artikel geprüft wurde. Das sind etwa $0.27 für eine Stunde Quellaudio, vor Speicher, Netz, Orchestrierung, Retries, Nachbearbeitung und menschlicher Prüfung.

Der Preis pro Minute ist nur ein Teil der Produktionskosten. Nimm dazu:

• fehlgeschlagene oder wiederholte Uploads;
• Mediennormalisierung und Chunking;
• Speicher für Quelldateien und freigegebene Transkripte;
• Terminologieverwaltung;
• Qualitätsprüfung für Inhalte mit hoher Wirkung;
• Zusammenfassung, Suche oder Schwärzung sensibler Daten danach;
• Datenresidenz oder Enterprise-Kontrollen, wo sie gelten.

Ein günstigeres Modell kann teuer werden, wenn es Korrekturzeit erhöht. Ein präziseres Modell kann weiter die falsche Wahl sein, wenn der Ablauf native Untertitel oder durchgehende Live-Captions verlangt. Vergleiche die Gesamtkosten des Ablaufs gegen den Ausgabevertrag, nicht nur gegen die Modellzeile.

Datenschutz und verantwortlicher Umgang

Aufnahmen enthalten oft sensiblere Informationen als gewöhnlicher Text: Stimmen, Identitätsmerkmale, Hintergrundgespräche, Adressen, Gesundheitsdaten und vertrauliche Meetings. Hole ein gültiges Recht, das Audio aufzunehmen und zu verarbeiten, minimiere, was du sammelst, schütze die Quelldatei und setze einen Löschplan.

Die aktuelle Dokumentation zu API-Datenkontrollen von OpenAI sagt, dass API-Daten nicht zum Trainieren von Modellen genutzt werden, außer die Kundenseite stimmt ausdrücklich zu. Die Endpoint-Tabelle listet /v1/audio/transcriptions ohne Retention von Anwendungszustand, ohne Retention für Missbrauchsmonitoring und mit Eignung für Zero Data Retention. Das sind Plattformaussagen, kein vollständiges Datenschutzprogramm. Dein Uploader, Objektspeicher, Logs, Analytik, Support-Tools und nachgelagerte Prozessoren haben eigene Richtlinien und eigenes Retention-Verhalten.

Kläre bei regulierten oder risikoreichen Aufgaben mit den zuständigen Rechts- und Sicherheitsteams die geltenden vertraglichen, regionalen und sicherheitsbezogenen Anforderungen sowie die erforderliche menschliche Prüfung. Behandle ein automatisches Transkript nie als einzige Grundlage einer Entscheidung, die eine Person wesentlich betreffen könnte.

Eine produktionsreife Transkriptionsarchitektur

Eine zuverlässige Umsetzung trennt Aufnahme, Transkription, Prüfung und abgeleitete Inhalte:

1. Autorisiere und nimm auf. Validiere die nutzende Person, Aufnahmerechte, Medientyp, Dateigröße und Malware-Kontrollen.
2. Normalisiere das Medium. Wandle nicht unterstützte Container, bewahre eine Quellkopie, wenn nötig, und vermeide unnötige verlustbehaftete Umkodierung.
3. Hänge begrenzten Kontext an. Wähle nur die Sprachen, Keywords und die Aufnahmebeschreibung, die zu diesem Auftrag gehören.
4. Transkribiere idempotent. Gib jeder Quelle eine stabile Auftrags-ID, damit ein erneuter Versuch keine doppelte abrechenbare Arbeit oder widersprüchliche Transkripte erzeugt.
5. Speichere das Rohresultat. Bewahre die genaue Modellantwort, die Modell-ID, die Kontextfelder, die Prüfsumme der Quelle und das Verarbeitungsdatum.
6. Prüfe kritische Felder. Reiche Namen, Zahlen, Zusagen und medizinische oder rechtliche Sprache mit niedriger Konfidenz oder hoher Wirkung an eine Person weiter.
7. Erzeuge Ableitungen. Generiere Zusammenfassungen, Kapitel, Untertitel, Suchindizes, anonymisierte Fassungen oder Action Items aus dem freigegebenen Transkript.
8. Wende Retention an. Lösche oder archiviere Quellaudio und Ableitungen nach der dokumentierten Richtlinie.

Transkription kann auch die erste Hälfte eines bidirektionalen Audioablaufs sein. Ist das Transkript korrigiert, kann das Team es überarbeiten und Text-zu-Sprache nutzen, um barrierefreie Vertonung, Lokalisierungsentwürfe oder ein freigegebenes Voiceover zu erzeugen. Kennzeichne erkannte Quelle und generierte Ausgabe klar: eines ist Beleg dessen, was gesagt wurde; das andere ist neu synthetisiertes Medium.

API-Integration gegenüber einem Browser-Tool

Nutze die API, wenn Transkription Teil eines Produkts, einer Automatisierung, einer Datenpipeline oder eines wiederholbaren internen Prozesses ist. Die API gibt Kontrolle über Authentifizierung, Kontext, Auftragsverfolgung, nachgelagerten Speicher und Fehlerbehandlung.

Nicht jede Bewertung braucht zuerst eine Integration. Ein Browser-Ablauf dient dazu, ein paar repräsentative Aufnahmen zu testen, erwartete Ausgaben zu verstehen oder eine gelegentliche nutzende Person zu bedienen, die Exportformate braucht statt SDK-Code. Der Online-Arbeitsbereich Sprache-zu-Text von GPT Transcribe bietet einen praktischen Upload-und-Prüf-Weg, bevor ein Team sich verpflichtet, eine eigene Oberfläche zu bauen.

Der Bewertungsmaßstab sollte auf beiden Wegen derselbe bleiben: nutze Audio, das du verarbeiten darfst, vergleiche gegen eine menschliche Referenz, prüfe kritische Entitäten und verstehe, welche Anwendung — nicht nur welches darunterliegende Modell — Zeitstempel, Sprecherlabels, Exporte oder Speicher erzeugt.

Wann solltest du GPT Transcribe wählen?

Wähle gpt-transcribe, wenn:

• die Eingabe eine fertige Aufnahme oder ein festgelegter, begrenzter Turn ist;
• die gewünschte Ausgabe präziser Text in der Originalsprache ist;
• die Aufnahme zwischen erwarteten Sprachen wechseln kann;
• Fachwortschatz von begrenzten Keywords profitieren kann;
• Metadaten erkannter Sprachen nützlich sind;
• partielle Transkriptereignisse die Dateiverarbeitungsoberfläche verbessern würden.

Wähle eine spezialisierte Alternative, wenn:

• Audio durchgehend ankommt und niedrige Latenz wesentlich ist;
• Sprecherinnen und Sprecher gelabelt werden müssen;
• Wort-Zeitstempel oder native Untertiteldateien Pflicht sind;
• die Ausgabe eine englische Übersetzung sein muss;
• eine bestehende Integration von einem Antwortformat abhängt, das gpt-transcribe nicht bietet.

Die richtige Wahl hängt vom geforderten Artefakt ab. «Ein Transkript» kann Klartext bedeuten, ein durchsuchbares JSON-Objekt, an Video synchronisierte Untertitel, ein gerichtsähnliches Sprecherprotokoll oder Live-Captions. Das sind unterschiedliche Produkte, auch wenn alle mit Spracherkennung beginnen.

Häufige Fragen

Ist GPT Transcribe dasselbe wie GPT-4o Transcribe?

Nein. gpt-transcribe ist eine eigene aktuelle Modell-ID und der Startpunkt, den OpenAI für gewöhnliche Dateitranskription empfiehlt. Bestehende gpt-4o-transcribe-Integrationen können weiterlaufen, aber man darf nicht annehmen, dass ihre Anfragefelder, Preise und Ausgabe übereinstimmen.

Kann GPT Transcribe eine MP3 oder eine Videodatei transkribieren?

Ja. Der Dateitranskriptions-Endpoint akzeptiert übliche Audio- und Mediencontainer. Prüfe die aktuelle Eingabeliste und das Request-Limit von 25 MB in der API-Referenz, besonders beim Validieren von FLAC, OGG oder Videocontainern.

Erkennt GPT Transcribe verschiedene Sprecherinnen und Sprecher?

Nicht von allein. Nutze gpt-4o-transcribe-diarize und fordere diarized_json, wenn nach Sprecher gelabelte Segmente nötig sind.

Kann es SRT- oder VTT-Untertitel erzeugen?

Nicht als native, einsatzfertige GPT-Transcribe-Ausgabe. OpenAI führt Zeitstempel- und native SRT/VTT-Abläufe derzeit zu whisper-1, oder du kannst eine getrennt geprüfte Alignment-Schicht bauen.

Kann GPT Transcribe Live-Mikrofon-Audio verarbeiten?

Für Audio, das durchgehend ankommt, nutze den Realtime-Transkriptionsablauf und starte mit gpt-live-transcribe. GPT Transcribe kann für manuell festgelegte Turns über WebSocket genutzt werden, das ist etwas anderes als ununterbrochene Live-Captions.

Wie verbessere ich die Transkription von Namen und Fachbegriffen?

Beschreibe die Aufnahme mit prompt, liefere erwartete wörtliche Begriffe über keywords und gib die erwarteten languages an. Prüfe, dass die Hinweise die Wiederfindung verbessern, ohne Begriffe einzufügen, die nie gesprochen wurden.

Ist GPT Transcribe kostenlos?

Die OpenAI-API wird nach Nutzung berechnet. Am Prüftag listete der offizielle Preis $0.0045 pro Audiominute für gpt-transcribe. Eine Dritt-Oberfläche kann eigene Tests, Credits, Limits oder ein Abo anbieten.

Der nützliche Standard, nicht die universelle Antwort

GPT Transcribe gibt neuen OpenAI-Sprache-zu-Text-Projekten einen starken Standard: ein Modell für präzise Transkription aufgenommenen Audios, mehrsprachigen Kontext, Spracherkennung und gestreamte Dateiergebnisse. Der echte Vorteil ist nicht, dass es alle älteren Wege überflüssig macht. Es gibt Entwicklerinnen und Entwicklern einen klareren allgemeinen Pfad und lässt Spezialaufgaben bei spezialisierten Modellen.

Definiere zuerst die geforderte Ausgabe. Teste danach gpt-transcribe an den lautesten, mehrsprachigsten und terminologiebeladensten Aufnahmen, die Nutzerinnen und Nutzer senden werden. Ein Transkript, das diese Fälle übersteht — mit nachvollziehbarem Kontext, menschlicher Prüfung und klaren Grenzen — ist bereit, Teil eines Produkts zu werden, nicht nur einer auffälligen Demo.