OpenAI presentó dos nuevos modelos de transcripción dentro de su API, orientados a mejorar la precisión y flexibilidad en el procesamiento de audio. Se trata de GPT‑Live‑Transcribe, diseñado para transcripciones en tiempo real con baja latencia, y GPT‑Transcribe, pensado para archivos completos y cargas asincrónicas. Ambos modelos incorporan capacidades de transcripción con conciencia de contexto, lo que permite a los desarrolladores añadir información adicional —como palabras clave, nombres propios, idiomas esperados o terminología especializada— para optimizar los resultados.
La compañía explicó que GPT‑Live‑Transcribe puede aprovechar turnos previos en una conversación para mantener coherencia en diálogos continuos, mientras que GPT‑Transcribe está orientado a escenarios donde se requiere procesar grandes volúmenes de audio ya grabado. En pruebas internas, el uso de contexto elevó la precisión semántica de GPT‑Live‑Transcribe de 38,5% a 44,6%, y la de GPT‑Transcribe de 41,6% a 45,2%. En términos de tasas de error, GPT‑Transcribe alcanzó un 8,98% en audio real, frente al 15,21% registrado por Whisper‑1, mientras que en evaluaciones independientes obtuvo un 3,31% de word error rate.
El anuncio subraya que estos modelos están preparados para manejar acentos diversos, frases cortas, números y conversaciones con ruido de fondo, un aspecto clave en aplicaciones de subtitulado en vivo, accesibilidad y análisis de llamadas. Además, la integración con el ecosistema de OpenAI permite que los desarrolladores combinen estas funciones con otros servicios de la plataforma, ampliando las posibilidades de uso en sectores como educación, medios de comunicación y servicios corporativos.
En cuanto a costos, GPT‑Transcribe se ofrece a un precio de 4,50 dólares por cada 1.000 minutos de audio procesado, mientras que GPT‑Live‑Transcribe se factura por minuto de audio en tiempo real, con tarifas aproximadas de 0,017 dólares por minuto. La estrategia apunta a ofrecer opciones diferenciadas según las necesidades de velocidad o volumen de procesamiento.
Analistas del sector han señalado que la transcripción automática se ha convertido en un componente esencial para aplicaciones de comunicación y accesibilidad, y que la competencia en este ámbito se intensifica con la entrada de modelos más especializados. La incorporación de GPT‑Live‑Transcribe y GPT‑Transcribe refuerza la posición de OpenAI en un mercado donde la precisión y la adaptabilidad son factores decisivos.
Fuente: OpenAI | Editado por CDOL
