¿Qué es GPT Live Transcribe?
GPT Live Transcribe (gpt-live-transcribe) es el modelo de OpenAI para transcribir audio mientras todavía está llegando, como la señal de un micrófono, una llamada telefónica o subtítulos en directo. Se lanzó el 28 de julio de 2026 junto con GPT Transcribe, su equivalente para archivos terminados, y sustituye a gpt-realtime-whisper como opción por defecto de OpenAI para la transcripción en directo. OpenAI lo nombra como uno de los dos sustitutos de whisper-1 y de los modelos de transcripción GPT-4o, que se apagan el 26 de febrero de 2027.
Solo funciona dentro de sesiones de transcripción Realtime por WebSocket o WebRTC y devuelve texto, nunca audio. Un ajuste de retardo con cinco niveles, de minimal a xhigh, equilibra lo pronto que aparece el texto parcial frente a la precisión. Las sesiones aceptan un prompt de contexto libre, una lista de palabras clave y varias pistas de idioma, y pueden actualizarse a mitad de sesión.
¿Cuánto cuesta GPT Live Transcribe?
| Plan | Precio | Qué incluye |
|---|---|---|
| gpt-live-transcribe | $0.017 per minute | Solo sesiones de transcripción Realtime |
| gpt-transcribe | $0.0045 a minute | Archivos terminados |
0,017 $ por minuto de audio en streaming (unos 1,02 $ por hora), lo mismo que gpt-realtime-whisper. Sin Batch. El modelo para archivos gpt-transcribe cuesta 0,0045 $ por minuto.
¿Merece la pena GPT Live Transcribe?
GPT Live Transcribe es una mejora modesta sobre gpt-realtime-whisper al mismo precio. Según las cifras de la propia OpenAI, su tasa de error de transcripción en audio real en nueve idiomas baja del 11,65% al 9,60%, cerca de un 18% menos de errores, mientras que en Common Voice con 22 idiomas la mejora es de menos de un punto, del 20,33% al 19,70%. Añadir un prompt de contexto subió la puntuación de precisión semántica de OpenAI del 38,5% al 44,6%. Son benchmarks del propio fabricante; OpenAI no publica cifras de latencia.
El precio es el punto débil. A 0,017 $ el minuto, unos 1,02 $ la hora, cuesta casi cuatro veces lo que GPT Transcribe con archivos terminados a 0,0045 $, y casi el doble que los 0,54 $ por hora de lanzamiento de MAI-Transcribe-2-Streaming de Microsoft, que en octubre ocupó el primer puesto en la clasificación de streaming de Artificial Analysis con un 2,5% de WER a 0,13 segundos del final del habla. Un producto que puede esperar unos segundos por el texto no debería pagar la tarifa en directo.
El modelo hace menos que sus rivales por sí solo. No admite detección de actividad de voz en el servidor, así que tu aplicación debe decidir cuándo ha terminado de hablar alguien y confirmar cada turno. No devuelve marcas de tiempo por palabra, etiquetas de hablante, puntuaciones de confianza ni el idioma detectado; para eso OpenAI remite a whisper-1 o gpt-4o-transcribe-diarize, que se apagan el 26 de febrero de 2027 sin sustituto equivalente anunciado. Las transcripciones finales pueden llegar desordenadas y hay que emparejarlas por ID de elemento.
Los controles son sólidos. Cinco niveles de retardo permiten que una aplicación de subtítulos muestre texto pronto y que una de toma de notas espere a la precisión, las palabras clave ayudan con nombres de producto, y una palabra clave mal formada rechaza toda la actualización de sesión, algo estricto pero fácil de detectar en pruebas. Los límites de uso empiezan en 2.000 peticiones por minuto en el nivel Build y llegan a 10.000 en Launch y Grow.
El tratamiento de datos encaja con compradores regulados. El audio de la API no se usa para entrenar por defecto, /v1/realtime guarda registros de vigilancia de abusos durante 30 días y puede acogerse a la retención de datos cero, y gpt-live-transcribe admite residencia de datos en EE. UU. y Europa.
Dónde se gana su sitio
Un ingeniero de frontend que añade subtítulos en directo a una plataforma de webinars
Mostrar subtítulos uno o dos segundos después de que se hable
Abre una sesión de transcripción Realtime por WebRTC, pon el retardo en low y ejecuta la detección de actividad de voz en el cliente para confirmar los turnos. Un webinar de 60 minutos cuesta unos 1,02 $ por flujo de audio.
Una ingeniera de backend que migra una aplicación de centro de contacto desde gpt-realtime-whisper
Reducir errores de transcripción sin cambiar la cadena de procesamiento
Mantén la conexión Realtime y cambia el modelo, sustituyendo el campo único de idioma por la lista languages y añadiendo nombres de producto como palabras clave. El precio por minuto no cambia.
Un jefe de producto en una start-up europea de telemedicina
Transcribir consultas en directo sin que el audio salga de la UE
Usa la residencia de datos en la UE y solicita la retención de datos cero en /v1/realtime. No distingue entre profesional sanitario y paciente, así que hacen falta canales separados o una diarización posterior.
Antes de decidirte
- Puesta en marcha
- Conéctate a wss://api.openai.com/v1/realtime?intent=transcription, envía session.update con type transcription y el modelo gpt-live-transcribe, transmite audio PCM a 24 kHz y confirma tú cada turno.
- Integraciones
- Solo sesiones de transcripción Realtime por WebSocket o WebRTC; no el endpoint de transcripción de archivos, Chat Completions, Responses ni Batch. También figura en Azure AI Foundry y Vercel AI Gateway.
- Datos y privacidad
- El audio de la API no se usa para entrenar por defecto. /v1/realtime guarda registros de vigilancia de abusos durante 30 días y puede acogerse a la retención de datos cero; hay residencia de datos en EE. UU. y Europa.
- Coste a escala
- 100.000 minutos en directo al mes cuestan 1.700 $ sin descuento por volumen; el mismo audio como archivos terminados en gpt-transcribe cuesta 450 $.
- Límites
- 2.000 peticiones y 210.000 tokens por minuto en Build, 10.000 peticiones en Launch y Grow. Sin VAD en el servidor, marcas de tiempo, etiquetas de hablante, puntuaciones de confianza ni detección de idioma; una palabra clave no válida rechaza la actualización de sesión.
Lo bueno
- Cinco niveles de retardo, de minimal a xhigh, para equilibrar velocidad y precisión
- Prompt de contexto, pistas de palabras clave y varios idiomas por sesión
- Cerca de un 18% menos de errores que gpt-realtime-whisper en la prueba de audio real de OpenAI, al mismo precio
- Puede acogerse a la retención de datos cero, con residencia de datos en EE. UU. y Europa
- Se integra en sesiones Realtime existentes cambiando el modelo
Lo malo
- 0,017 $ por minuto, casi cuatro veces el modelo para archivos
- Sin detección de turnos en el servidor; tienes que ejecutar la tuya
- Sin marcas de tiempo, etiquetas de hablante, puntuaciones de confianza ni detección de idioma
- Sin cifras de latencia publicadas
- Solo funciona en sesiones de transcripción Realtime
Ideal para
Equipos que ya usan la Realtime API de OpenAI y necesitan subtítulos o transcripciones en directo en varios idiomas sin etiquetas de hablante.
Alternativas a GPT Live Transcribe
GPT Live Transcribe: preguntas frecuentes
- ¿Merece la pena GPT Live Transcribe?
- Una opción fiable por defecto para subtítulos en directo en el ecosistema de OpenAI, con precio de modelo premium y dejándote a ti las etiquetas de hablante, las marcas de tiempo e incluso la detección de turnos. Le damos un 3.7 sobre 5.
- ¿Cuánto cuesta GPT Live Transcribe?
- 0,017 $ por minuto de audio en streaming (unos 1,02 $ por hora), lo mismo que gpt-realtime-whisper. Sin Batch. El modelo para archivos gpt-transcribe cuesta 0,0045 $ por minuto.
- ¿Qué inconvenientes tiene GPT Live Transcribe?
- 0,017 $ por minuto, casi cuatro veces el modelo para archivos; sin detección de turnos en el servidor; tienes que ejecutar la tuya; sin marcas de tiempo, etiquetas de hablante, puntuaciones de confianza ni detección de idioma; sin cifras de latencia publicadas; solo funciona en sesiones de transcripción Realtime.
- ¿Para quién es GPT Live Transcribe?
- Equipos que ya usan la Realtime API de OpenAI y necesitan subtítulos o transcripciones en directo en varios idiomas sin etiquetas de hablante.
- ¿Cuánto cuesta GPT Live Transcribe para un equipo o en producción?
- 100.000 minutos en directo al mes cuestan 1.700 $ sin descuento por volumen; el mismo audio como archivos terminados en gpt-transcribe cuesta 450 $.
- ¿Es GPT Live Transcribe seguro para los datos de la empresa?
- El audio de la API no se usa para entrenar por defecto. /v1/realtime guarda registros de vigilancia de abusos durante 30 días y puede acogerse a la retención de datos cero; hay residencia de datos en EE. UU. y Europa.
- ¿Cuáles son las mejores alternativas a GPT Live Transcribe?
- Las alternativas más cercanas que hemos analizado son MAI-Transcribe-2-Streaming, GPT Transcribe, ElevenLabs Scribe v2 y Deepgram Nova-3.
Respuestas comprobadas el 6 nov 2026.