Ir al contenido principal

openai/gpt-transcribe/speech-to-text

GPT Transcribe, el modelo de voz a texto de alta precisión de OpenAI, convierte una grabación terminada de hasta 25 MB o dos horas en texto, guiado por los idiomas esperados y la ortografía exacta de nombres y términos técnicos.

Desde $0.000075/s

Playground

Entrada

Voz a texto
0/2048
Ortografía y contexto en el idioma hablado máximo 2048 caracteres
1/1
1 / 1 archivos
Sube un fragmento con un nombre extranjero. Indica los idiomas probables y la grafía del producto antes de comparar el texto con el audio. mínimo 1 caracteres

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

Modelos relacionados y tareas siguientes

¿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