realtime_sessionobjectOpcionalGPT Transcribe — Configuración avanzada con commits manuales por segmento; no admite VAD automático.
- Valor predeterminado
- Sin especificar
openai/gpt-transcribe/realtime-transcriptionGPT 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.
Los ejemplos usan las definiciones públicas de parámetros del endpoint seleccionado. Sustituye la clave de API y los medios de ejemplo, y envía la solicitud desde tu servidor.
SDK e integracioneshttps://api.spicyapi.ai/api/v1/jobs/createTaskGuarda la clave de API en la variable de entorno del servidor SPICY_API_KEY. Usa autenticación Bearer y Content-Type: application/json en las solicitudes JSON.
Authorization: Bearer $SPICY_API_KEY# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openai/gpt-transcribe/realtime-transcription",
"input": {
"audio_input_format": "pcm",
"audio_noise_reduction": "near_field",
"audio_url": "https://example.com/reference.wav",
"max_audio_seconds": 15
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"Generado a partir del esquema de entrada de este modelo: el mismo con el que la API valida cada solicitud.
Incluye estos campos en el objeto input del cuerpo de la solicitud. Los nombres y tipos coinciden con la API. No supongas un valor predeterminado si no está indicado.
realtime_sessionobjectOpcionalGPT Transcribe — Configuración avanzada con commits manuales por segmento; no admite VAD automático.
audio_noise_reductionstringOpcionalGPT Transcribe — near_field corresponde al micrófono cercano y far_field al ambiente; none desactiva la reducción de ruido.
"near_field""far_field""none"audio_input_formatstringOpcionalGPT Transcribe — Use PCM mono de 16 bits a 24 kHz o G.711 a 8 kHz; no hay remuestreo automático.
"pcm""g711_ulaw""g711_alaw"keytermsarray<object>OpcionalGPT Transcribe — Escriba un nombre o término por fila, sin corchetes angulares ni saltos de línea dentro de la entrada.
keyterms[].termstringObligatorio dentro del objetoA name or technical term in its normal spelling, without angle brackets or line breaks.
language_hintsarray<object>OpcionalGPT Transcribe — Añada un código de idioma esperado por fila, incluyendo varios cuando el habla alterne lenguas.
language_hints[].codestringObligatorio dentro del objetoExpected spoken language code, such as en, fr or yue.
promptstringOpcionalGPT Transcribe — Describa el tema y los términos de la grabación sin adivinar el texto ni pedir una respuesta.
max_audio_secondsintegerOpcionalAfecta al precioGPT Transcribe — El máximo por segmento es de 1 a 60 segundos; se puede hacer commit antes y se liquida la duración final medida.
audio_urlstringOpcionalGPT Transcribe — Para probar un turno confirmado, envíe un WAV corto compatible; una sesión continua transmite sus muestras al WebSocket de transcripción.
{
"additionalProperties": false,
"properties": {
"audio_input_format": {
"default": "pcm",
"description": "Encoding of live microphone samples; PCM is 24 kHz mono 16-bit, G.711 is 8 kHz.",
"enum": [
"pcm",
"g711_ulaw",
"g711_alaw"
],
"type": "string",
"x-ui": {
"advanced": true,
"affects_price": false,
"order": 40,
"widget": "select"
}
},
"audio_noise_reduction": {
"default": "near_field",
"description": "Input denoising profile for a close microphone, room microphone, or preprocessed audio.",
"enum": [
"near_field",
"far_field",
"none"
],
"type": "string",
"x-ui": {
"advanced": true,
"affects_price": false,
"order": 30,
"widget": "select"
}
},
"audio_url": {
"contentMediaType": [
"audio/mpeg",
"audio/wav"
],
"description": "Short WAV required for a single task. Live sessions instead send raw samples over the transcription WebSocket.",
"format": "uri",
"minLength": 1,
"type": "string",
"x-ui": {
"accept": [
"audio/wav"
],
"affects_price": false,
"max_size_mb": 3,
"order": 100,
"primary": true,
"widget": "upload"
}
},
"keyterms": {
"description": "Names and technical vocabulary to recognize, one term per row.",
"items": {
"additionalProperties": false,
"properties": {
"term": {
"description": "A name or technical term in its normal spelling, without angle brackets or line breaks.",
"maxLength": 100,
"minLength": 1,
"pattern": "^[^<>\\r\\n]+$",
"type": "string"
}
},
"required": [
"term"
],
"type": "object"
},
"maxItems": 100,
"type": "array",
"x-ui": {
"affects_price": false,
"order": 60,
"widget": "object-list"
}
},
"language_hints": {
"description": "Likely spoken language codes, one per row.",
"items": {
"additionalProperties": false,
"properties": {
"code": {
"description": "Expected spoken language code, such as en, fr or yue.",
"maxLength": 16,
"minLength": 2,
"type": "string"
}
},
"required": [
"code"
],
"type": "object"
},
"maxItems": 10,
"type": "array",
"x-ui": {
"affects_price": false,
"order": 70,
"widget": "object-list"
}
},
"max_audio_seconds": {
"default": 15,
"description": "Maximum admitted length of each audio segment; commit earlier at a complete phrase.",
"maximum": 60,
"minimum": 1,
"type": "integer",
"x-ui": {
"affects_price": true,
"order": 90,
"widget": "number"
}
},
"prompt": {
"description": "Background context for speech recognition, rather than an instruction to answer or summarize.",
"maxLength": 2048,
"type": "string",
"x-ui": {
"affects_price": false,
"order": 80,
"widget": "textarea"
}
},
"realtime_session": {
"description": "Advanced native session configuration; overlapping regular controls must agree. Function tools are executed by your application.",
"type": "object",
"x-ui": {
"advanced": true,
"affects_price": false,
"order": 10,
"widget": "json"
}
}
},
"type": "object",
"x-pricing": {
"billingMode": "per_unit",
"variantFields": []
}
}HTTP 202 significa que la tarea se aceptó, no que haya terminado. Guarda el taskId devuelto y consulta esa tarea. No crees otra mientras esperas el resultado.
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3
{
"code": 200,
"msg": "success",
"request_id": "req_example_create",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"state": "queued",
"estimatedCost": "0.750000"
}
}La respuesta de aceptación incluye la estimación para que tu aplicación pueda mostrar el mismo importe en el historial de tareas y en la facturación.
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
--data-urlencode "taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"Empieza consultando cada 2 segundos aproximadamente y ve espaciando los intentos. Párate en un estado final. Si se cae la conexión, consulta el taskId original. Vuelve a crear la tarea solo con la clave de idempotencia y el cuerpo originales.
import { verifyWebhook } from "@spicyapi/sdk";
// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
const { payload } = verifyWebhook({
rawBody: req.body,
timestamp: req.header("X-Webhook-Timestamp"),
signature: req.header("X-Webhook-Signature"),
payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
secret: process.env.SPICY_WEBHOOK_SECRET,
});
res.status(200).end();
void handleFinishedTask(payload);
});Pasa callBackUrl al crear la tarea y recibirás el registro terminado por POST, sin un bucle de consultas de estado. Cada entrega lleva X-Webhook-Timestamp, X-Webhook-Signature y X-Webhook-Payload-Version. La firma es un HMAC-SHA256 en base64 sobre taskId.timestamp.sha256(body), así que debes verificarla con los bytes originales: si analizas el JSON y vuelves a serializarlo, los bytes cambian y la verificación falla. Las entregas fallidas se reintentan, de modo que el mismo taskId puede llegar dos veces; haz que tu manejador sea idempotente. Responde 2xx primero y haz el trabajo después: un manejador lento se trata como una entrega fallida.
Procesa output solo cuando state sea succeeded. Si falla, consulta errorCode, errorMessage y request_id. Los costos y estados de ejemplo no representan una factura real.
{
"code": 200,
"msg": "success",
"request_id": "req_example_record",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"model": "openai/gpt-transcribe/realtime-transcription",
"state": "succeeded",
"output": {
"assets": [
{
"key": "tasks/2026/08/28/job_01k3m8x9q2z4v7n5p6r8s0t1w3/3f7a1c9e5b2d48f0a6c1e3d5b7f9a1c3.mp3",
"mime": "audio/mpeg",
"url": "https://example.r2.cloudflarestorage.com/results/job_01k3m8x9q2z4v7n5p6r8s0t1w3/result.mp3?X-Amz-Signature=SIGNATURE_FROM_RESPONSE",
"expiresAt": "2026-08-28T12:20:08.000Z"
}
]
},
"cost": "0.750000",
"settled": true,
"createdAt": "2026-08-28T12:00:00Z",
"completedAt": "2026-08-28T12:00:30Z"
}
}Para cada archivo disponible, abre o descarga assets[].url directamente, sin la cabecera Authorization de la API. El enlace firmado expira en expiresAt: vuelve a consultar la tarea para renovarlo mientras el archivo siga dentro del periodo de conservación. Un archivo pendiente o no disponible no trae URL. Trata los enlaces firmados como datos privados.
Usa SpicyAPI en tu app, terminal, asistente de IA o flujo visual. Elige una guía de configuración.
No hace falta que escribas nada del código anterior. Conecta el servidor MCP una vez y cualquier agente que use MCP — Claude Code, Codex, Cursor, Windsurf, VS Code, Gemini CLI, Cline, LibreChat — podrá ejecutar este modelo por su nombre. También puedes ejecutarlo desde tu terminal con un solo comando.
Use openai/gpt-transcribe/realtime-transcription to generate a portrait of a dancer under neon light, and save it to ./out/.
El agente busca el modelo en el catálogo actualizado, sube el archivo local por ti, te muestra la cotización exacta y el cargo máximo, y espera tu confirmación. No se cobra nada hasta que aceptes.
claude mcp add spicyapi -e SPICY_API_KEY=$SPICY_API_KEY \
-- npx --yes --package=@spicyapi/mcp spicyapi-mcp
npx skills add spicyapi-ai/spicy-skillLa primera línea le da las herramientas al agente; la segunda le da el Skill, las reglas para usarlas: consultar la cotización antes de cobrar, subir los archivos locales en lugar de pegar sus bytes y leer la URL del resultado en vez de adivinarla. Los demás clientes usan el mismo servidor desde su propio archivo de configuración: consulta el área de desarrolladores.
npx @spicyapi/cli tasks create --model openai/gpt-transcribe/realtime-transcription \
--input-json '{"audio_input_format":"pcm","audio_noise_reduction":"near_field","audio_url":"https://example.com/reference.wav","max_audio_seconds":15}' \
--waitLa entrada usa el esquema de este endpoint, igual que los ejemplos de arriba. --wait consulta el estado hasta que la tarea termina y lo imprime; agrega --yes para omitir la confirmación en CI. Define antes SPICY_API_KEY: una misma clave sirve para la API, la CLI y el servidor MCP.
npx @spicyapi/cli files upload ./poster.png
# -> spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3
npx @spicyapi/cli tasks create --model openai/gpt-transcribe/realtime-transcription \
--input-json '{"audio_url":"spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3"}' \
--waitEl cuerpo de la solicitud admite URL, no bytes. Sube primero el archivo y pasa el URI spicy:// que devuelve; el nombre del campo de arriba sale del esquema de este endpoint. Un agente conectado por MCP hace ese paso por ti, y por eso la frase anterior puede nombrar ./poster.png directamente. Los archivos ya accesibles por HTTPS público no necesitan subirse.
npx @spicyapi/cli tasks create --model openai/gpt-transcribe/realtime-transcription \
--input-json '{…}' --retention 1h --wait
npx @spicyapi/cli tasks get $TASK_ID # read back the retention that applied--retention solo acorta el plazo: 30m, 1h, 7d, o 0 para borrar en cuanto la tarea llega a un estado final. Se aplica el plazo más corto entre tu solicitud, los ajustes de tu cuenta y el máximo de la plataforma. Consúltalo en el registro de la tarea en vez de asumir que se aplicó el plazo que pediste. Pedir más tiempo del que permite tu cuenta no tiene efecto.
Instala los nodos de SpicyAPI desde ComfyUI Manager o con el comando de abajo y busca GPT Transcribe · Realtime transcription en el lienzo. El nodo tiene las mismas opciones que esta página y muestra su precio antes de ejecutarse.
cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapiEl panel incrustado lee el mismo esquema que esta página, así que no puede desincronizarse de la API. Si tu documentación necesita contenido indexable, toma el JSON de /api/embed/models/ y renderízalo tú mismo.
<iframe src="https://spicyapi.ai/embed/es/models/gpt-transcribe/api?model=openai%2Fgpt-transcribe%2Frealtime-transcription" width="100%" height="560" loading="lazy" title="Ejemplo de solicitud" style="border:1px solid rgba(0,0,0,.12)"></iframe>