OpenAI stellt Transkriptionsschnittstellen um: Was Entwickler bis 2027 prüfen sollten

Quellenstand: 01.11.2026 · nächster Prüfpunkt: spätestens 01.02.2027 und bei Änderungen der Anbieterunterlagen

Themenillustration · KI-generiert

Eine Programmierschnittstelle (API) verbindet eine Anwendung mit einem Online-Dienst. OpenAI hat Änderungen an seinen Audio-APIs angekündigt: Am 26. Februar 2027 sollen whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-4o-transcribe-diarize und der Datei-Übersetzungspfad /v1/audio/translations aus dem API-Angebot entfernt werden. Die Ankündigung erfolgte am 26. August 2026. Das betrifft diese OpenAI-Angebote; über andere Anbieter und lokal installierte Programme sagt es nichts aus.

Für fertige Audiodateien empfiehlt OpenAI gpt-transcribe. Für live eintreffendes Audio empfiehlt der Anbieter gpt-live-transcribe in einer Echtzeitverbindung (Realtime). Die Ablösung der Datei-Übersetzung ist ein eigener Echtzeit-Übersetzungsweg unter /v1/realtime/translations; sie ist kein direkter Ersatz für den Upload einer fertigen Datei. OpenAI beschreibt außerdem eine Sondervariante: gpt-transcribe kann in einer Realtime-WebSocket-Verbindung (eine dauerhaft offene Verbindung zum laufenden Nachrichtenaustausch) verwendet werden, wenn die Transkription erst nach Abschluss eines Audioabschnitts beginnen oder eine erkannte Sprache zurückgegeben werden soll. gpt-live-transcribe sagt die gesprochene Sprache nicht voraus.

Verwechseln Sie die Kennung gpt-4o-mini-transcribe-2025-12-15 nicht mit einer empfohlenen Ablösung. Der aktuelle Modellkatalog führt sowohl diese datumsgebundene Modellversion als auch den Namen gpt-4o-mini-transcribe als abgekündigt. Prüfen Sie den Status vor einer Umstellung erneut beim Anbieter.

Welche Funktionen braucht Ihre Anwendung?

Ein Modellwechsel kann mehr ändern als nur den Namen. Erfassen Sie vor der Umstellung, welche Ein- und Ausgaben tatsächlich gebraucht werden:

Die aktuellen Datei-Anleitungen kennzeichnen Beispiele für Sprecherlabels, Wortzeitmarken und Untertitel als veraltet. Sie sagen ausdrücklich, dass die genaue Zeitmarken-Funktion nur mit whisper-1 verfügbar ist. Für das empfohlene Datei-Modell gpt-transcribe ist diese Funktion dort nicht dokumentiert. gpt-live-transcribe liefert laut Anleitung keine Wortzeitmarken, Sprecherkennzeichnungen, Konfidenzwerte oder Vorhersage der gesprochenen Sprache. Die API-Referenz bindet Zeitmarken außerdem an ein bestimmtes JSON-Antwortformat (JSON ist ein maschinenlesbares Datenformat); die unterstützten Ausgaben hängen vom Modell ab. Leiten Sie deshalb nicht allein aus einer allgemeinen Formatliste ab, dass das Zielmodell benötigte Untertitel oder Zeitmarken liefert.

Auch Datei und Live-Audio sind unterschiedliche Anwendungsfälle. Eine fertige Datei kann während ihrer Verarbeitung laufende Textausgaben liefern. Eine Echtzeitverbindung verarbeitet dagegen Audio, das gerade eintrifft. Bei der Datei-Transkription nennt die Anleitung eine Grenze von 25 MB und sieben Dateiformate. Die allgemeine API-Referenz listet zusätzlich FLAC und OGG, weist aber darauf hin, dass Formate je nach Modell abweichen können. Prüfen Sie für Ihr genaues Modell die akzeptierten Eingaben und Antworten.

Die Anleitung beschreibt bei Live-Transkription Einstellungen, die frühere Teilergebnisse gegen mehr Gesprächskontext abwägen. Sie nennt dafür keine feste Verzögerung, die für jede Modellkonfiguration gilt. Messen Sie deshalb Verzögerung und Erkennungsqualität getrennt. Optionale Sprach-, Fachwort- und Kontextangaben sind Hinweise an das Modell, keine Garantie, dass Begriffe korrekt oder ausschließlich wie gesprochen ausgegeben werden.

Eine kleine Migrationsprüfung

  1. Suchen Sie alle betroffenen Modellnamen und API-Pfade in Quellcode, Konfigurationen, Warteschlangen und Auswertungen.
  2. Ordnen Sie jeden Aufruf einem Ziel zu: fertige Datei, live eintreffendes Audio oder Live-Übersetzung. Behandeln Sie Datei-Streaming und Live-Audio getrennt.
  3. Markieren Sie benötigte Funktionen einzeln: Wortmarken, Sprecherzuordnung, Untertitel, Spracherkennung und Teilergebnisse. Prüfen Sie für die Zielmodell-/Antwortformat-Kombination, was tatsächlich unterstützt wird.
  4. Vergleichen Sie bisherige und neue Ausgabe mit repräsentativen, dafür freigegebenen deutschen Beispielen: Akzente, Sprachwechsel, Geräusche, Namen, Zahlen und Fachbegriffe. Lassen Sie eine Person eine Referenz prüfen und bewerten Sie Fehler und Verzögerung getrennt.
  5. Testen Sie Datei- und Live-Übersetzung als eigene Wege. Wenn Sie eine Übersetzungssitzung beenden, schließen Sie nicht sofort die Verbindung: OpenAI verlangt zunächst das Abschlusssignal und das Warten auf die Bestätigung session.closed, damit noch ausstehende Ausgabe ankommen kann.
  6. Prüfen Sie Datenweg und Konto getrennt von der Modellfunktion. OpenAIs Tabelle führt /v1/audio/transcriptions ohne Nutzung zum Training und ohne Speicherung in den dort ausgewiesenen Kategorien für Missbrauchsüberwachung und Anwendungszustand auf; der Endpunkt ist als für „Zero Data Retention“ (ZDR) geeignet markiert. Das ist keine Aussage, dass diese organisationsweite Einstellung in jedem Konto aktiv ist oder regionale Verarbeitung automatisch gilt. Prüfen Sie die Voraussetzungen für Ihr Projekt und Ihre Organisation.
  7. Stellen Sie erst nach bestandenen Funktionstests und geklärtem Datenweg schrittweise um. Halten Sie Verantwortliche, Termin, Version des Software Development Kit (SDK, Programmbibliothek für den API-Zugriff) und Rückweg im eigenen Änderungsplan fest.

Die Abschaltung am 26. Februar 2027 bedeutet nicht, dass eine vorhandene Integration heute schon ausfällt oder dass eine empfohlene Ablösung automatisch dieselben Funktionen bietet. Die Anbieterempfehlungen und Formate können sich bis zur Umstellung ändern. Prüfen Sie sie spätestens am 1. Februar 2027, bei einer zwischenzeitlichen Anbieteränderung und unmittelbar vor einer späteren Umsetzung erneut.

Was hier nicht getestet wurde

Es wurde kein API-Schlüssel verwendet, keine Anfrage gestellt und keine Anwendung umgestellt. Kompatibilität, Preis, Verzögerung und deutsche Erkennungsqualität wurden nicht praktisch verglichen. Die konkrete Kombination aus Modell, Dateiformat und Antwortfeldern sowie Integrationen mit anderen Anbietern oder Softwarebibliotheken müssen im jeweiligen Projekt geprüft werden. Die Prüfschritte oben sind Vorschläge, keine durchgeführten Tests.

Quellen: OpenAI: Abkündigungen und Migrationstermine, OpenAI: Transkriptionsanleitung, OpenAI: Realtime-Transkription, OpenAI: Realtime-Übersetzung und Sitzungsabschluss, OpenAI: Modellstatus, OpenAI: Transkriptions-API-Referenz, OpenAI: Datenkontrollen.