Mi történt
A kivezetési oldal szövege szerint: „2026. augusztus 26-án értesítettük a whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe és gpt-4o-transcribe-diarize modellt használó fejlesztőket ezek kivezetéséről és 2027. február 26-i eltávolításáról az API-ból." Ajánlott utód mind a négyhez: gpt-live-transcribe vagy gpt-transcribe.
A hat hónap nem véletlen szám. Ugyanezen az oldalon áll az OpenAI saját szabálya: általánosan elérhető modelleknél „legalább 6 hónap" a felmondási idő. Augusztus 26-tól február 26-ig pontosan ennyi — vagyis a kiírt minimumot kaptad, nem többet.
A két utódmodell nem új: mindkettő július 28-án jelent meg, tehát a bejelentéskor már egy hónapja élt.
2026 júl 28 megjelenik az utód
2026 aug 26 négy modell kivezetve
(a kiírt minimum: 6 hónap)
2027 feb 26 mind a négy leáll
Ami eltörik
Ez nem névcsere. A whisper-1 képességeinek egy része nincs meg az utódban:
| Amire épített valaki | Mi lesz vele |
|---|---|
SRT és VTT felirat (response_format) |
A whisper-1 hat formátumot tudott, köztük a két feliratformátumot. Az OpenAI a saját migrációs útmutatójában azt írja: ne feltételezd, hogy ugyanaz a response_format érvényes marad — feliratra tartsd meg a whisper-1-et. |
| Szó és szegmens szintű időbélyeg | Ehhez verbose_json kell, azt viszont az útmutató szintén a whisper-1-hez köti. A gpt-live-transcribe dokumentációja kimondja: nem ad szó szintű időbélyeget, beszélőcímkét és megbízhatósági pontszámot. |
Fordítás (/v1/audio/translations) |
Ennek az endpointnak egyetlen támogatott modellje a whisper-1. A gpt-transcribe adatlapján a fordítás-endpoint „nem támogatott". Vagyis 2027. február 26. után az egész endpointnak nem marad modellje. |
| Beszélők elkülönítése (diarizáció) | A gpt-4o-transcribe-diarize volt rá a válasz — ez is a kivezetési listán van, és nincs megnevezett utódja. |
language paraméter |
Az új modellek languages tömböt várnak, és a kettőt együtt küldeni tilos. |
prompt mező |
Régen az előző hangszelet folytatását jelentette; most szabad szöveges kontextus, a szó szerinti kifejezéseknek külön keywords mező van. |
Megbízhatósági érték (logprobs) |
A régi modelleknél elérhető volt, a gpt-transcribe nincs a támogatott modellek listáján. |
Cserébe jön streaming fájlfeltöltésnél is (a whisper-1 ezt nem tudta), több nyelvi hint egyszerre, és a felismert nyelv visszaadása.
A migrációs útmutató csapdája
Ez a cikk gerince, és önmagában is elmond mindent a kivezetések természetéről. Az OpenAI saját, július 28-i migrációs útmutatója négy esetben azt tanácsolja, hogy ne migrálj:
- felirathoz „tartsd meg a
whisper-1-et"; - időbélyeghez tarts meg egy olyan modellt és formátumot, ami támogatja;
- fordításhoz maradj a
/v1/audio/translationsvégponton egy támogatott modellel; - beszélő-elkülönítéshez használd a
gpt-4o-transcribe-diarize-t.
Öt héttel később mind a négy modell, amire hivatkozik, kivezetésre került. Az útmutatót azóta sem írták át. Ha valaki július végén nyitotta meg és aszerint tervezett, most újra kell terveznie — és nem azért, mert rosszul olvasta.
Mennyibe kerül az utód
| Modell | Ár percenként | Óránként |
|---|---|---|
whisper-1 (régi) |
$0,006 | $0,36 |
gpt-4o-transcribe (régi) |
$0,006 | $0,36 |
gpt-4o-mini-transcribe (régi) |
$0,003 | $0,18 |
gpt-transcribe (utód, fájl) |
$0,0045 | $0,27 |
gpt-live-transcribe (utód, élő) |
$0,017 | $1,02 |
A whisper-1-ről érkezőnek ez 25% csökkenés. Aki viszont a mini-t használta, mert az volt az olcsó változat, annak 50% emelés — és nincs hova mennie, mert a mini-nek nincs olcsóbb utódja.
Vegyünk egy konkrét terhelést: heti öt óra megbeszélés-átirat, tehát havi kb. 22 óra. Ez whisper-1-en havi $7,92, gpt-transcribe-on $5,94, a mini-ről érkezőnek viszont $3,96-ról $5,94-re nő. Élő, valós idejű átirattal ugyanez $22,44 lenne — az élő átirat nem drágább egy kicsivel, hanem közel négyszer annyiba kerül, mint a felvett hang utólagos feldolgozása.
Összehasonlításul, egy óra felvett hang listaára a nagy versenytársaknál: AssemblyAI Universal-2 $0,15, Azure batch $0,18, ElevenLabs Scribe v2 $0,22, Deepgram Nova-3 $0,26, OpenAI gpt-transcribe $0,27, Google Speech-to-Text standard $0,96. Az utód tehát az olcsóbbá válás után is a mezőny közepén van, nem az élén.
Mi van a magyarral
Itt egy fontos hiány: az OpenAI nem publikál nyelvlistát az új modellekhez. A whisper-1-nél még ki volt írva a 98 támogatott nyelv; az utódoknál csak a nyelvkód formátumát írják le, és annyit, hogy a nem támogatott kódot az API elutasítja. Vagyis dokumentációból nem tudod megmondani, hogy a magyar vagy a spanyol mennyire működik — csak saját hanganyagon való teszttel.
Ha ez számít nálad, van hova nézni. Nyílt súlyú, letölthető modellek, amelyek kiírják a magyart: az NVIDIA parakeet-tdt-0.6b-v3 (600M) és canary-1b-v2 (1B), mindkettő CC BY 4.0 licenccel, 25 európai nyelvvel, köztük a magyarral — a Canary fordítani is tud. A Mistral Voxtral nyolc nyelvet listáz, magyar nincs köztük. Hosztolt szolgáltatók közül az ElevenLabs Scribe a magyart és a spanyolt is a legjobb, 5% alatti szóhibaarányú sávjába sorolja; az AssemblyAI a spanyolt a legjobb, a magyart a második sávba teszi.
És ami sokakat megnyugtat: a letölthető Whisper nem tűnik el. A súlyok MIT-licencesek, a kivezetés csak az OpenAI hosztolt végpontját érinti. Sőt: a hosztolt whisper-1 az OpenAI saját leírása szerint a Whisper V2-n alapult, miközben a nyilvánosan letölthető változatok között ott a large-v3 és a gyorsított turbo is. Aki eddig azért fizetett, mert kényelmes volt, az saját gépen egy újabb generációt kap.
Mit tegyél most
- Nézd meg, hol szerepel nálad ez a négy modellnév. Ne csak a kódban: automatizálásokban, no-code folyamatokban, jegyzetelő és feliratozó eszközök beállításaiban is. (Bővebben: modell-kivezetés kezelése az automatizálásaidban.)
- Írd össze, mit használsz a formátumokból. Ha SRT vagy VTT megy tovább egy videószerkesztőbe, vagy ha szó szintű időbélyegre épül a keresés az átiratban, akkor neked ez nem árváltozás, hanem funkcióvesztés — és hat hónapod van pótolni.
- Ha beszélőket különítesz el, most tervezz. Erre nincs megnevezett utód. Vagy másik szolgáltató, vagy nyílt súlyú modell, vagy külön beszélő-elkülönítő lépés.
- Mérj, ne higgy. Vegyél egy tízperces, tipikus felvételt a saját anyagaidból — magyarul, a szokásos zajjal, szakszavakkal —, és futtasd le a régin és az utódon is. A szóhibaarányt a saját hanganyagodon kell nézni, mert publikált mérőszám nincs.
A témáról bővebben: átirat és felirat AI-jal, és arról, mit tegyél általában, ha kivezetnek egy modellt: amikor kivezetik a modelledet — ott a lépések általánosan is megvannak.
Tipikus félreértések
- „A Whisper megszűnik." Nem. A hosztolt
whisper-1végpont szűnik meg. A nyílt súlyú Whisper MIT-licenccel letölthető marad, és újabb változatokban. - „Az utód mindent tud, amit a régi." Nem tud feliratformátumot, szó szintű időbélyeget, fordítást és beszélő-elkülönítést — legalábbis a dokumentáció szerint.
- „Olcsóbb lesz mindenkinek." A
mini-ről érkezőknek másfélszeresére nő a listaár. - „Ráérek februárban." A migráció itt nem modellnév-csere: ha a formátum vagy az időbélyeg is elveszik, az a feldolgozási láncot érinti. Azt nem az utolsó héten szokás átírni.
- „Az élő átirat nagyjából ugyanannyi." Közel négyszer annyi. Ha nem kell azonnal a szöveg, a felvett hang feldolgozása a nagyságrenddel olcsóbb út.
Amit érdemes elvinni
A kivezetés önmagában nem hír: minden szolgáltatónál rendszeres. Ami ebből az esetből tanulság, az inkább az, hogy a felmondási idő nem ugyanaz, mint a felkészülési idő. Hat hónapod van a modellcserére — de ha közben egy formátum, egy időbélyeg vagy egy endpoint is eltűnik, akkor nem cserélni kell, hanem újratervezni. Ezért éri meg most átnézni, mire épült rá a te folyamatod, és nem akkor, amikor a régi modell már hibát ad. A gyakorlati fogódzó ugyanaz, mint mindig: tudd, melyik modellazonosító hol fut nálad, és legyen minden fontos lépéshez egy kipróbált B-terv.