Whisper-1 zniknie z API OpenAI. Jak przejść na GPT Transcribe przed lutym 2027

Które modele transkrypcji OpenAI zostaną wyłączone

Zmiana obejmuje całą dotychczasową linię modeli zamiany mowy na tekst w API OpenAI. Po 26 lutym 2027 roku zapytania do czterech modeli przestaną działać, a integracje, które ich używają, zaczną zwracać błędy. Firma dała na migrację sześć miesięcy, czyli standardowy minimalny okres dla modeli ogólnie dostępnych.

• whisper-1 - najstarszy model, obsługuje transkrypcję i tłumaczenie na angielski.
• gpt-4o-transcribe - transkrypcja plików rozliczana tokenami.
• gpt-4o-mini-transcribe - tańsza wersja do dużych wolumenów.
• gpt-4o-transcribe-diarize - transkrypcja z rozpoznawaniem, kto mówi.

Następcy: gpt-transcribe i gpt-live-transcribe

OpenAI wskazuje dwóch następców. gpt-transcribe służy do transkrypcji gotowych plików i zatwierdzonych tur w sesjach Realtime. gpt-live-transcribe jest modelem strumieniowym do dźwięku na żywo, na przykład w infoliniach, i zwraca tekst na bieżąco z niskim opóźnieniem.

gpt-transcribe przyjmuje nowe parametry. Pole keywords pozwala podać słowa kluczowe, na przykład nazwy produktów lub nazwiska, a pole languages kilka wskazówek językowych jednocześnie. Model radzi sobie według dokumentacji z mieszaniem języków w jednej wypowiedzi, co ma znaczenie w polskich nagraniach pełnych angielskich terminów branżowych.

Czego brakuje w nowym modelu

Największy problem migracji dotyczy formatów wyjściowych. Według przewodnika OpenAI po zamianie mowy na tekst, stan na 26 września 2026 roku, gpt-transcribe zwraca wyłącznie JSON z tekstem. Znaczniki czasu, napisy w formatach SRT i VTT oraz tłumaczenie na angielski przez endpoint translations obsługuje tylko whisper-1.

Rozpoznawanie mówców jest dostępne wyłącznie w gpt-4o-transcribe-diarize, a ten model również zostanie wyłączony. Komunikat OpenAI nie wskazuje dla tych funkcji osobnego zamiennika. Nie wiadomo, czy zostaną dodane do gpt-transcribe przed lutym 2027 roku. Firmy, które generują napisy do wideo albo protokoły spotkań z podziałem na mówców, powinny już teraz zaplanować rozwiązanie awaryjne.

Ile kosztuje transkrypcja po zmianie

Ceny pochodzą z cennika OpenAI i dotyczą minuty nagrania. Przeliczenie według średniego kursu NBP z 25 września 2026 roku (1 USD = 3,8404 zł), bez VAT. Przykład dotyczy 100 godzin nagrań miesięcznie, czyli 6000 minut.

• whisper-1: 0,006 USD za minutę, 36 USD miesięcznie, ok. 138,25 zł.
• gpt-4o-transcribe: 0,006 USD za minutę, 36 USD, ok. 138,25 zł.
• gpt-4o-mini-transcribe: 0,003 USD za minutę, 18 USD, ok. 69,13 zł.
• gpt-transcribe: 0,0045 USD za minutę, 27 USD, ok. 103,69 zł.
• gpt-live-transcribe: 0,017 USD za minutę, 102 USD, ok. 391,72 zł.

Migracja krok po kroku

Poniższa kolejność pozwala przejść na nowy model bez zatrzymania usług. Najwięcej czasu zajmie zwykle porównanie jakości na własnych nagraniach, a nie sama zmiana kodu.

1. Znajdź w kodzie i konfiguracji wszystkie odwołania do whisper-1 i modeli gpt-4o z końcówką transcribe. Sprawdź też skrypty wsadowe i narzędzia firm trzecich.
2. Sprawdź, czy korzystasz z parametrów response_format w wariantach srt, vtt lub verbose_json, z timestamp_granularities albo z endpointu translations. Te wywołania wymagają osobnego planu.
3. Wybierz następcę: gpt-transcribe dla plików, gpt-live-transcribe dla dźwięku na żywo.
4. Przenieś słownik nazw własnych z pola prompt do pola keywords i ustaw w languages kod pl, a przy nagraniach mieszanych także en.
5. Przetestuj 20-30 reprezentatywnych polskich nagrań i porównaj liczbę błędów w nazwiskach, liczbach i terminach branżowych.
6. Przełącz ruch etapami, zachowując whisper-1 jako zapas do czasu wyłączenia.

Co to oznacza dla polskich firm

Firmy używające whisper-1 do zwykłej transkrypcji zyskają na migracji około 25 proc. oszczędności. Najwięcej pracy czeka zespoły, które płacą dziś za gpt-4o-mini-transcribe, bo koszt ich transkrypcji wzrośnie o połowę. Przy dużych wolumenach warto porównać ofertę z innymi dostawcami, na przykład z modelami Gemini 3.5 Transcribe.

Dla redakcji, szkół i firm szkoleniowych przygotowujących napisy do filmów w naszej ocenie najważniejsze jest ustalenie, skąd po lutym 2027 roku będą pochodzić znaczniki czasu. Jeśli OpenAI ich nie doda, trzeba będzie połączyć transkrypcję z osobnym narzędziem do wyrównywania tekstu z dźwiękiem albo zmienić dostawcę.

Przy nagraniach rozmów z klientami obowiązują przepisy RODO niezależnie od modelu. Zmiana modelu to dobry moment, by sprawdzić podstawę prawną nagrań, okres przechowywania plików i zapisy umowy powierzenia z dostawcą API.

Assistants API wyłączone tego samego dnia

W tym samym wpisie w dzienniku zmian OpenAI potwierdził, że 26 sierpnia 2026 roku wyłączył Assistants API. Wycofanie ogłoszono rok wcześniej. Zastępują je Responses API i Conversations API, a do zarządzanych agentów OpenAI rozwija Agents API.

Aplikacje, które nadal wysyłają zapytania do Assistants API, już nie działają. Jeśli firma korzysta z zewnętrznego narzędzia opartego na asystentach OpenAI, warto zapytać dostawcę, czy przeszedł na nowe interfejsy.