O que é GPT Live Transcribe?
O GPT Live Transcribe (gpt-live-transcribe) é o modelo da OpenAI para transcrever áudio enquanto ele ainda está chegando, como o sinal de um microfone, uma ligação telefônica ou legendas ao vivo. Foi lançado em 28 de julho de 2026 junto com o GPT Transcribe, seu equivalente para arquivos prontos, e substitui o gpt-realtime-whisper como padrão da OpenAI para transcrição ao vivo. A OpenAI o aponta como um dos dois substitutos do whisper-1 e dos modelos de transcrição GPT-4o, que serão desligados em 26 de fevereiro de 2027.
Ele só roda dentro de sessões de transcrição Realtime via WebSocket ou WebRTC e devolve texto, nunca áudio. Uma configuração de atraso com cinco níveis, de minimal a xhigh, equilibra quão cedo o texto parcial aparece e a precisão. As sessões aceitam um prompt de contexto livre, uma lista de palavras-chave e várias dicas de idioma, e podem ser atualizadas no meio da sessão.
Quanto custa GPT Live Transcribe?
| Plano | Preço | O que inclui |
|---|---|---|
| gpt-live-transcribe | $0.017 per minute | Só sessões de transcrição Realtime |
| gpt-transcribe | $0.0045 a minute | Arquivos prontos |
US$ 0,017 por minuto de áudio em streaming (cerca de US$ 1,02 por hora), o mesmo do gpt-realtime-whisper. Sem Batch. O modelo para arquivos gpt-transcribe custa US$ 0,0045 por minuto.
GPT Live Transcribe vale a pena?
O GPT Live Transcribe é uma melhoria modesta sobre o gpt-realtime-whisper pelo mesmo preço. Pelos números da própria OpenAI, a taxa de erro de transcrição em áudio real em nove idiomas cai de 11,65% para 9,60%, cerca de 18% menos erros, enquanto no Common Voice com 22 idiomas o ganho é de menos de um ponto, de 20,33% para 19,70%. Adicionar um prompt de contexto elevou a pontuação de precisão semântica da OpenAI de 38,5% para 44,6%. São benchmarks do fabricante; a OpenAI não publica números de latência.
O preço é o ponto fraco. A US$ 0,017 por minuto, cerca de US$ 1,02 por hora, ele custa quase quatro vezes o GPT Transcribe em arquivos prontos a US$ 0,0045, e quase o dobro dos US$ 0,54 por hora de lançamento do MAI-Transcribe-2-Streaming da Microsoft, que em outubro ficou em primeiro no ranking de streaming da Artificial Analysis com 2,5% de WER a 0,13 segundo do fim da fala. Um produto que pode esperar alguns segundos pelo texto não deveria pagar a tarifa ao vivo.
Sozinho, o modelo faz menos que os rivais. Ele não suporta detecção de atividade de voz no servidor, então sua aplicação precisa decidir quando alguém parou de falar e confirmar cada turno. Não devolve marcas de tempo por palavra, rótulos de falante, pontuações de confiança nem o idioma detectado; para isso a OpenAI aponta de volta para o whisper-1 ou o gpt-4o-transcribe-diarize, ambos desligados em 26 de fevereiro de 2027 sem substituto equivalente anunciado. As transcrições finais podem chegar fora de ordem e precisam ser casadas pelo ID do item.
Os controles são bons. Cinco níveis de atraso deixam um app de legendas mostrar texto cedo e um app de anotações esperar pela precisão, as palavras-chave ajudam com nomes de produtos, e uma palavra-chave malformada rejeita toda a atualização da sessão, o que é rígido mas fácil de pegar em testes. Os limites de taxa começam em 2.000 requisições por minuto no nível Build e chegam a 10.000 no Launch e no Grow.
O tratamento de dados serve a compradores regulados. O áudio da API não é usado para treinamento por padrão, /v1/realtime mantém registros de monitoramento de abuso por 30 dias e é elegível para retenção zero de dados, e o gpt-live-transcribe suporta residência de dados nos EUA e na Europa.
Onde ele se destaca
Um engenheiro de frontend que adiciona legendas ao vivo a uma plataforma de webinars
Mostrar legendas um ou dois segundos depois da fala
Abra uma sessão de transcrição Realtime via WebRTC, coloque o atraso em low e rode a detecção de atividade de voz no cliente para confirmar os turnos. Um webinar de 60 minutos custa cerca de US$ 1,02 por fluxo de áudio.
Uma engenheira de backend migrando um app de central de atendimento do gpt-realtime-whisper
Reduzir erros de transcrição sem mexer no pipeline
Mantenha a conexão Realtime e troque o modelo, substituindo o campo único de idioma pela lista languages e adicionando nomes de produtos como palavras-chave. O preço por minuto continua o mesmo.
Um gerente de produto em uma startup europeia de telemedicina
Transcrever consultas ao vivo sem o áudio sair da UE
Use a residência de dados na UE e peça retenção zero de dados em /v1/realtime. Não há separação entre profissional de saúde e paciente, então são necessários canais separados ou uma diarização posterior.
Antes de decidir
- Configuração
- Conecte em wss://api.openai.com/v1/realtime?intent=transcription, envie session.update com type transcription e o modelo gpt-live-transcribe, transmita áudio PCM de 24 kHz e confirme cada turno você mesmo.
- Integrações
- Só sessões de transcrição Realtime via WebSocket ou WebRTC; não o endpoint de transcrição de arquivos, Chat Completions, Responses ou Batch. Também listado no Azure AI Foundry e no Vercel AI Gateway.
- Dados e privacidade
- O áudio da API não é usado para treinamento por padrão. /v1/realtime mantém registros de monitoramento de abuso por 30 dias e é elegível para retenção zero de dados; há residência de dados nos EUA e na Europa.
- Custo em escala
- 100.000 minutos ao vivo por mês custam US$ 1.700 sem desconto por volume; o mesmo áudio como arquivos prontos no gpt-transcribe custa US$ 450.
- Limites
- 2.000 requisições e 210.000 tokens por minuto no Build, 10.000 requisições no Launch e no Grow. Sem VAD no servidor, marcas de tempo, rótulos de falante, pontuações de confiança ou detecção de idioma; uma palavra-chave inválida rejeita a atualização da sessão.
O que é bom
- Cinco níveis de atraso, de minimal a xhigh, para trocar velocidade por precisão
- Prompt de contexto, dicas de palavras-chave e vários idiomas por sessão
- Cerca de 18% menos erros que o gpt-realtime-whisper no teste de áudio real da OpenAI, pelo mesmo preço
- Elegível para retenção zero de dados, com residência nos EUA e na Europa
- Entra em sessões Realtime existentes trocando o modelo
O que não é
- US$ 0,017 por minuto, quase quatro vezes o modelo para arquivos
- Sem detecção de turnos no servidor; você precisa rodar a sua
- Sem marcas de tempo, rótulos de falante, pontuações de confiança ou detecção de idioma
- Sem números de latência publicados
- Só funciona em sessões de transcrição Realtime
Ideal para
Equipes que já usam a Realtime API da OpenAI e precisam de legendas ou transcrições ao vivo em vários idiomas sem rótulos de falante.
Alternativas ao GPT Live Transcribe
GPT Live Transcribe: perguntas frequentes
- GPT Live Transcribe vale a pena?
- Um padrão confiável para legendas ao vivo no ecossistema da OpenAI, com preço de modelo premium e deixando com você os rótulos de falante, as marcas de tempo e até a detecção de turnos. Damos nota 3.7 de 5.
- Quanto custa GPT Live Transcribe?
- US$ 0,017 por minuto de áudio em streaming (cerca de US$ 1,02 por hora), o mesmo do gpt-realtime-whisper. Sem Batch. O modelo para arquivos gpt-transcribe custa US$ 0,0045 por minuto.
- Quais são as desvantagens de GPT Live Transcribe?
- US$ 0,017 por minuto, quase quatro vezes o modelo para arquivos; sem detecção de turnos no servidor; você precisa rodar a sua; sem marcas de tempo, rótulos de falante, pontuações de confiança ou detecção de idioma; sem números de latência publicados; só funciona em sessões de transcrição Realtime.
- Para quem GPT Live Transcribe é indicado?
- Equipes que já usam a Realtime API da OpenAI e precisam de legendas ou transcrições ao vivo em vários idiomas sem rótulos de falante.
- Quanto custa GPT Live Transcribe para uma equipe ou em produção?
- 100.000 minutos ao vivo por mês custam US$ 1.700 sem desconto por volume; o mesmo áudio como arquivos prontos no gpt-transcribe custa US$ 450.
- GPT Live Transcribe é seguro para dados da empresa?
- O áudio da API não é usado para treinamento por padrão. /v1/realtime mantém registros de monitoramento de abuso por 30 dias e é elegível para retenção zero de dados; há residência de dados nos EUA e na Europa.
- Quais são as melhores alternativas ao GPT Live Transcribe?
- As alternativas mais próximas que analisamos são MAI-Transcribe-2-Streaming, GPT Transcribe, ElevenLabs Scribe v2 e Deepgram Nova-3.
Respostas verificadas em 6 de nov. de 2026.