Source: https://ailoot.ai/models/es-mx/openai-gpt-transcribe/ Canonical: https://ailoot.ai/models/es-mx/openai-gpt-transcribe/ Language: es-mx # OpenAI: GPT Transcribe [Markdown](https://ailoot.ai/models/es-mx/openai-gpt-transcribe/index.md) · [JSON](https://ailoot.ai/models/es-mx/openai-gpt-transcribe/facts.json) ## [OpenAI: GPT Transcribe](https://ailoot.ai/models/es-mx/openai-gpt-transcribe/) GPT Transcribe convierte el habla grabada en texto en su idioma original, con instrucciones de contexto, indicaciones de palabras clave literales y de varios idiomas. OpenAI documenta la transcripción de archivos completos, los resultados de transcripción de archivos en flujo y la transcripción después de confirmar turnos de audio de Realtime. - [**Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `openai/gpt-transcribe`](https://ailoot.ai/models/es-mx/openai-gpt-transcribe/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. GPT Transcribe es el modelo de OpenAI que convierte habla en texto para archivos de audio completos, transcripciones de archivos en flujo y turnos de audio confirmados en sesiones Realtime. Acepta audio con contexto textual opcional y devuelve el texto reconocido. El proveedor lo presenta para transcribir con precisión el habla grabada en su idioma original, incluido el vocabulario especializado, las grabaciones multilingües y la alternancia de idiomas. Su resultado útil es una transcripción vinculada a la grabación, con metadatos de los idiomas detectados cuando el modelo puede realizar una predicción fiable. #### Preparar una grabación completa El flujo de transcripción de archivos de OpenAI admite cargas de hasta 25 MB. La referencia actual del punto de acceso incluye los formatos de entrada FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV y WebM, y recomienda aportar suficientes metadatos para identificar el formato, incluida una extensión de archivo y un tipo de contenido adecuados. Para una grabación más grande, la guía recomienda comprimirla o dividirla en archivos de 25 MB o menos. Evita cortar a mitad de una frase, ya que eliminar el habla circundante puede reducir la precisión del reconocimiento. Mantén las partes en orden y conserva sus posiciones en la grabación original. Para una reunión, una entrevista o una presentación grabada, proporciona el audio real e identifica el tema y la terminología que probablemente se pronuncie. Un resultado útil recoge las palabras reconocidas, en lugar de un resumen inferido de la conversación. Conserva el identificador de la grabación junto con el texto devuelto para que quien revise un nombre, un número o una frase dudosa pueda volver a la fuente correcta. La transcripción puede servir después como material para otro flujo de resumen, traducción o revisión editorial. #### Contexto, indicaciones de palabras clave e idiomas esperados El proveedor distingue tres tipos de orientación. Una instrucción aporta contexto libre sobre el tema o la situación de la grabación. Las palabras clave indican palabras o expresiones literales que se espera oír. Una lista de idiomas identifica los idiomas hablados esperados. Para una conversación bilingüe sobre un producto, describe la situación en la instrucción, enumera los nombres de producto pertinentes como palabras clave y proporciona los idiomas esperados. Son indicaciones para el reconocimiento; no son instrucciones para insertar vocabulario que nadie ha pronunciado. GPT Transcribe utiliza el campo plural languages en lugar del antiguo campo singular language; OpenAI indica que no se envíen ambos. Su guía admite los códigos ISO 639-1 compatibles, determinados códigos ISO 639-3 y códigos regionales de configuración lingüística del chino, y rechaza los valores incompatibles o mal formados. Cada palabra clave debe ocupar una sola línea y no contener ningún corchete angular, retorno de carro ni salto de línea. Una palabra clave no válida o una instrucción demasiado larga pueden provocar el rechazo de toda la solicitud. Mantén el contexto pertinente y comprueba si los nombres sugeridos aparecen realmente en el audio, en lugar de tratar la lista de indicaciones como si fuera la transcripción. #### Salida JSON y predicciones de idiomas detectados El resultado documentado de un archivo es JSON con la transcripción y los idiomas detectados. Esas predicciones de idiomas son una salida del modelo, no una copia de las indicaciones de idiomas proporcionadas. Una lista de idiomas vacía es un resultado válido cuando el modelo no puede realizar una predicción fiable; no demuestra que la grabación estuviera en silencio ni que la transcripción haya fallado. Mantén separados el texto reconocido y los metadatos de idiomas para que el procesamiento posterior utilice cada uno según su significado. #### Recibir en flujo la transcripción de un archivo Un archivo completo puede producir texto transcrito de forma incremental durante su procesamiento. OpenAI documenta los eventos transcript.text.delta para el texto parcial y transcript.text.done para la transcripción completa del archivo; el evento final también incluye los idiomas detectados. Así se recibe en flujo la salida de una grabación ya proporcionada. Resulta útil para mostrar el progreso de una carga larga, mientras que el evento final establece el texto que debe conservarse como resultado completo. #### Turnos confirmados en sesiones Realtime GPT Transcribe también tiene un flujo especializado de Realtime mediante WebSocket. El audio se añade al búfer de entrada y, después, la aplicación confirma explícitamente un turno de audio. La transcripción comienza para ese segmento confirmado y puede emitir fragmentos de texto antes de su evento de finalización, incluida información de los idiomas detectados. El modelo utiliza automáticamente los turnos transcritos previamente como contexto en este flujo de sesión del proveedor. Esto es distinto de emitir continuamente subtítulos en vivo a medida que llega el audio del micrófono; OpenAI denomina GPT Live Transcribe al modelo para ese flujo continuo. Para varios turnos, conserva el identificador del elemento de entrada junto con la transcripción correspondiente. OpenAI advierte de que los eventos de finalización de distintos turnos no tienen por qué llegar en el orden del habla; por tanto, asocia cada resultado final con su entrada confirmada, en lugar de ordenar una conversación únicamente por la hora de finalización. El entregable útil es una transcripción ordenada, compuesta con los elementos finales correctos, en la que el texto provisional se trata como progreso y no como un enunciado completo independiente. #### Salidas especializadas y límites de las funciones Este perfil no ofrece unas especificaciones universales de subtítulos, marcas de tiempo, traducción o etiquetas de hablantes. La guía de migración de OpenAI distingue esas capacidades especializadas: los formatos nativos de subtítulos y las marcas temporales de cada palabra requieren un modelo y un formato compatibles, mientras que las etiquetas de hablantes utilizan GPT-4o Transcribe Diarize. El resultado de archivo de GPT Transcribe es JSON, en lugar de una respuesta SRT, VTT o con marcas de tiempo detalladas que pueda sustituirse directamente. Su ficha exacta no publica una asignación numérica de contexto o salida máxima, por lo que no debe suponerse que una ventana de tokens de un modelo de chat se aplique a la transcripción de audio. Contrasta con la grabación el vocabulario difícil, los números, los acentos, el ruido de fondo y los cambios de idioma. Comprueba que las indicaciones pertinentes mejoren el reconocimiento sin introducir términos no pronunciados y que la transcripción final incluya el final del audio. Para un resultado multilingüe, conserva las palabras pronunciadas antes de preparar cualquier versión traducida. Estas comprobaciones hacen que la transcripción sea útil como material fuente y permiten distinguir claramente las indicaciones de contexto, los idiomas detectados y el habla reconocida. **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `openai/gpt-transcribe` [`openai/gpt-transcribe`](https://ailoot.ai/models/es-mx/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) OpenAI /`openai/gpt-transcribe` ### Inicio GPT Transcribe convierte el habla grabada en texto en su idioma original, con instrucciones de contexto, indicaciones de palabras clave literales y de varios idiomas. OpenAI documenta la transcripción de archivos completos, los resultados de transcripción de archivos en flujo y la transcripción después de confirmar turnos de audio de Realtime. Entradas aceptadas Audio Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` Entrada `audio` Salida `text` | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites openai/gpt-transcribe | Predeterminado— | | Campo`input_audio` | Tipo`object` | RequisitoObligatorio | Valores y límites | Predeterminado— | Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input\_audio | | Parámetro`material_types` | Contratoaudio | | Parámetro`material_conditions` | ContratoEl ejemplo lee tu archivo PCM WAV real y no vacío, codifica todos sus bytes en base64 y envía input\_audio.format con el valor wav. | Ciclo de vida: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · task\_id exacto de un registro multimedia existente que te pertenece `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Sin especificar Cuando se selecciona el modo fast Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas. | Configuración | Tabla de tarifas | Unidad de facturación | Cargo | | --- | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Unidad de facturación— | Cargo Entrada · Tokens de entrada **—** / 1K tokens Salida · Tokens de salida **—** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | | Configuraciónsegundo de audio de entrada | Tabla de tarifas— | Unidad de facturaciónpor segundo de audio de entrada | Cargo Entrada · segundo de audio de entrada **$0.00015** por segundo de audio de entrada | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Transcripción curl · archivo WAV real y resultado original completo ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'openai/gpt-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### Recibir y guardar resultados #### Ailoot Ultra · Transcripción Cuerpo completo de la respuesta original, estado y encabezados reenviados. Este manejador no agrega una estructura JSON universal, un campo de texto ni una estructura contenedora de tareas. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva la respuesta completa y los encabezados, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación. ##### Si es necesario revisar la respuesta original Conserva el X-Client-Request-ID real y la respuesta completa. Consulta los recursos originales que te pertenecen y sus URL exactas de contenido firmadas; nunca vuelvas a enviar una creación incierta. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`text (when present)` | Tipo | | Campo`usage (when present)` | Tipo | Errores y siguientes pasos | Respuesta | Condición | Siguiente paso | | --- | --- | --- | | Respuesta400 · `invalid_request_error` | CondiciónEl cuerpo JSON o el ID canónico explícito del modelo no son válidos. | Siguiente pasoConserva la respuesta y corrige el campo indicado de la solicitud. | | Respuesta401 · `authentication_error` | CondiciónLa clave API de Ailoot no es válida. | Siguiente pasoUsa tu clave API autorizada de Ailoot. | | Respuesta403 · `permission_error` | CondiciónEl grupo de la clave no admite este método. | Siguiente pasoConserva los detalles del error devueltos. | | Respuesta404 · `not_found_error` | CondiciónEl método seleccionado no tiene una ruta admitida. | Siguiente pasoConserva los detalles del error devueltos. | | Respuesta422 · `price_unavailable` | CondiciónLa tarifa aceptada no puede obtener la cantidad de entrada o el límite que requiere. | Siguiente pasoConserva la respuesta; usa la representación de entrada que requiere la tarifa aceptada. | | Respuesta503 · `` | CondiciónEl almacenamiento requerido, la ruta, el precio del método o la reserva de fondos no están disponibles. | Siguiente pasoConserva la respuesta original completa. Una reserva incierta no autoriza un reenvío. | | Respuesta502 · `server_error` | CondiciónEl resultado original, el uso o la liquidación del cargo requieren verificación. | Siguiente pasoConserva el ID real de solicitud y la respuesta original. Consulta el registro existente que te pertenece; no vuelvas a enviar la creación. | ### Alias #### Alias del modelo **Ailoot Ultra** [`openai/gpt-transcribe`](https://ailoot.ai/models/es-mx/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`openai/gpt-transcribe`](https://ailoot.ai/models/es-mx/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) FAQ · OpenAI: GPT Transcribe ¿Qué entradas y resultados están disponibles? `POST /v1/audio/transcriptions` · `openai/gpt-transcribe`: `audio` → `text` ¿Qué campos utiliza la solicitud? `POST /v1/audio/transcriptions` · `openai/gpt-transcribe`: `model`, `input_audio` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.