Transcripción GPT
está diseñado para trabajar con archivos de audio y los procesa aproximadamente 34 veces más rápido que el tiempo real.
Transcripción en vivo de GPT
optimizado para la transmisión de transcripción de audio con latencia mínima.
Ambas soluciones están disponibles a través de API, pueden tener en cuenta el contexto del texto y palabras clave específicas y también admiten entradas multilingües.
Según las pruebas de análisis artificial en AA-WER, punto de referencia GPT Transcribe
demuestra
tasa de error de palabras (WER) del 3,3%. Esto es 0,7 pp mejor que el resultado de su predecesor: GPT-4o Transcribe.
A pesar de las métricas mejoradas, el producto de OpenAI aún no llega a los líderes.
En el ranking AA-WER, Fun-Realtime-ASR-Preview de Alibaba Group ocupa el primer lugar con un 1,7%; ElevenLabs Scribe v2 (2,2%) ocupa el segundo lugar, seguido de MAI-Transcribe-1.5 (2,4%), Mistral Voxtral Small (2,8%) y Gemini 3.1 Pro (2,8%).
Junto con el lanzamiento, OpenAI redujo sus tarifas: un minuto de procesamiento de audio costará 0,0045 dólares, y GPT Live Transcribe, 0,017 dólares.
@ai_machinelearning_big_data