GPT-4o Transcribe vs GPT-4o Transcribe Diarize

vs

Cuál usar y cuándo

Los mismos $2.5 por millón de entrada de texto y el mismo contexto de 16000 tokens; la variante diarize cobra un poco más por el audio ($6.25 frente a $6 por millón de tokens de audio de entrada) y bastante menos por la salida de texto ($2.5 frente a $10). Lo que añade es diarización con diarized_json - etiquetas de hablante y marcas de tiempo por segmento - a costa de exigir chunking_strategy por encima de 30 segundos y de perder el soporte de prompt. Elige gpt-4o-transcribe para transcripciones en streaming, la variante diarize cuando necesites saber quién habló.

Benchmarks

GPT-4o Transcribe Diarize: el proveedor no ha publicado resultados de benchmarks.

Sobre la mediaGPT-4o Transcribesolo 1 comparables
GPT-4o Transcribe GPT-4o Transcribe Diarize otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
WenetSpeech test-net (CER)
15.3%
N/A

Publicado por los proveedores: Alibaba (Qwen) ByteDance Google OpenAI

Precios

GPT-4o Transcribe GPT-4o Transcribe Diarize Δ
Entrada de audio / 1M tokens $6 $6.25 0.96×
Salida de texto / 1M tokens $10 $2.5 4×

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Capacidades

GPT-4o Transcribe GPT-4o Transcribe Diarize
Diarización de hablantes no sí
Streaming sí sí
Marcas de tiempo no sí

Especificaciones

GPT-4o Transcribe GPT-4o Transcribe Diarize
Modalidades de entrada texto audio texto audio
Modalidades de salida texto texto
Lanzamiento 2025-03-20 2025-10
Corte de conocimiento 2024-06 2024-06
Límites

mp3/mp4/mpeg/mpga/m4a/wav/webm, hasta 25MB

transcripción en streaming admitida (incl. sesiones de transcripción de Realtime)

salida solo en json/text

sin marcas de tiempo por palabra ni diarización

mp3/mp4/mpeg/mpga/m4a/wav/webm, hasta 25MB

diarización de hablantes integrada con salida diarized_json (etiquetas de hablante + marcas de tiempo de segmento)

chunking_strategy obligatorio para audio de más de 30s

sin soporte de prompt

Idiomas

57 idiomas listados para el endpoint de transcriptions (una única lista compartida por todos los modelos de transcripción)

se aceptan códigos ISO 639-1 / 639-3 para los modelos basados en GPT-4o

57 idiomas listados para el endpoint de transcriptions (una única lista compartida por todos los modelos de transcripción)

se aceptan códigos ISO 639-1 / 639-3 para los modelos basados en GPT-4o

Salida máxima 2000 2000

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: GPT-4o Transcribe · GPT-4o Transcribe Diarize

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="gpt-4o-transcribe",
    # model="gpt-4o-transcribe-diarize",  # descomenta esta línea, comenta la de arriba
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, GPT-4o Transcribe o GPT-4o Transcribe Diarize?

GPT-4o Transcribe es más barato en Entrada de audio / 1M tokens ($6 frente a $6.25, una diferencia de 1.0×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de GPT-4o Transcribe frente a GPT-4o Transcribe Diarize sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten GPT-4o Transcribe y GPT-4o Transcribe Diarize la diarización de hablantes?

La tabla de capacidades de arriba lo indica para cada modelo, según la documentación de su proveedor. La diarización, el streaming y las marcas de tiempo aparecen por separado porque los modelos difieren en las tres cosas.

Comparativas relacionadas

De nuestros estudios con mediciones