Ir al contenido principal

openai/gpt-transcribe/realtime-transcription

GPT Transcribe de OpenAI, a través de un WebSocket de transcripción, convierte en texto cada segmento de audio confirmado de hasta 60 segundos, con notas de contexto, palabras clave e indicaciones de idioma, y arrastra los turnos anteriores como contexto.

Desde $0.000015/s80% por debajo del precio oficial

Playground

Entrada

Transcripción en tiempo real
0/2048
GPT Transcribe — Describa el tema y los términos de la grabación sin adivinar el texto ni pedir una respuesta. máximo 2048 caracteres
1/1
1 / 1 archivos
GPT Transcribe — Para probar un turno confirmado, envíe un WAV corto compatible; una sesión continua transmite sus muestras al WebSocket de transcripción. mínimo 1 caracteres
afecta al precio
GPT Transcribe — El máximo por segmento es de 1 a 60 segundos; se puede hacer commit antes y se liquida la duración final medida. no menor que 1 · no mayor que 60
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo
Respuesta del modelo

¿No está el modelo que buscas?

Transcripción de archivos y turnos de voz

Cifras clave

Segmento máximo
60s

Lo que hace el modelo

Transcripción de archivos y turnos de voz

El contexto ayuda a distinguir nombres y términos en frases cortas. El prompt describe el tema y las palabras clave aclaran la escritura de nombres propios. Un turno posterior puede referirse a un nombre presentado antes. Los datos importantes todavía deben revisarse contra lo que se dijo. El cierre explícito permite que la aplicación decida dónde termina la entrada. Tras el commit, los fragmentos pueden mostrarse como vista previa hasta el evento final. La liquidación usa los segundos de audio reportados al terminar el reconocimiento. Esta conexión no expone el ajuste delay de Live Transcribe. El resultado puede incluir los idiomas detectados. Las pistas de idioma ayudan en charlas multilingües. Las palabras clave aportan la grafía de nombres técnicos.

Dónde encaja

  • Completar formularios por voz

    En un formulario de voz, espere a que la persona termine un campo, haga commit y muestre el texto para corregirlo. Confirme identificadores y cantidades en la aplicación antes de guardarlos.

  • Revisar entrevistas por segmento

    Para revisar una entrevista, envíe intervenciones acotadas con una breve descripción del tema y los nombres. Conserve la relación entre cada segmento enviado y su texto final para volver a pasajes ambiguos.

Referencia del modelo

Referencia de la API de GPT Transcribe

Cómo llamar a la API de GPT Transcribe

  1. Guía de prompts y consejos profesionales

    Use el modo de archivo para una grabación terminada. En tiempo real, confirme cada intervención para recibir el texto durante la conversación. Use el prompt para explicar el contexto, la audiencia o la terminología de la grabación. Escriba los nombres correctos en palabras clave e indique los códigos de idioma probables. No solicite resúmenes ni respuestas dentro del contexto de reconocimiento. La edición debe hacerse después de finalizar la transcripción. Envíe commits manuales en límites claros del habla y respete el máximo elegido de 1 a 60 segundos. La entrada usa PCM mono de 16 bits a 24 kHz o G.711 a 8 kHz. Una tarea con WAV corto conserva esa codificación. Cada segmento se liquida antes de admitir el siguiente. Este flujo posterior al commit no equivale a la API separada para transcribir archivos.

Preguntas sobre la API de GPT Transcribe

Todos los modelos GPT18

Modelos de texto11