用 gpt-4o-audio-preview 转写四十五分钟会议，整段 wav 直接 base64 塞进 input_audio，接口返回 400 invalid_request_error，原文是 Request too large for model gpt-4o-audio-preview，源文件 52MB，编码后 70MB，客户端 openai 1.40，Windows 本机。
这类报错背后常见的原因有几处，逐个排除就行。音频先 base64 再传 体积膨胀约三分之一；单请求体上限由音频与文本共用 不是按字数算；wav 没压缩 十六位单声道也要几十兆；接口按时长和体积双重限制 长音频本就该切片。
第一件事是看源文件与编码后各有多大
python -c "import base64,os;p='a.wav';print(os.path.getsize(p), len(base64.b64encode(open(p,'rb').read())))"转成十六 k 单声道 mp3 再比体积
ffmpeg -i a.wav -ar 16000 -ac 1 -b:a 32k a.mp3随后按十分钟切片后逐段送转写
ffmpeg -i a.mp3 -f segment -segment_time 600 -c copy part_%03d.mp3等前面都确认过，再把各段结果按时间戳合并成全文
python merge_transcript.py --dir parts/ --out all.txt这台环境是别人交接的，不少默认值被动过，只能一项项核。
改完先别撤，确认这几项。所有切片都返回 200，合并后的文本时间顺序正确，总体积降到原来的十分之一。
提醒一点。音频接口按体积和时长一起卡，先压缩再切片比反复调大超时实在。同一份配置在测试环境跑通，不代表线上没事，两边的默认值经常不一样。