GPT-4o Transcribe vs GPT-4o Transcribe Diarize
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.
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, up to 25MB streaming transcription supported (incl. Realtime transcription sessions) json/text output only no word timestamps or diarization | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB built-in speaker diarization with diarized_json output (speaker labels + segment timestamps) chunking_strategy required for audio >30s no prompt support |
| Idiomas | 57 languages listed for the transcriptions endpoint (one shared list for all transcription models) ISO 639-1 / 639-3 codes accepted for GPT-4o-based models | 57 languages listed for the transcriptions endpoint (one shared list for all transcription models) ISO 639-1 / 639-3 codes accepted for GPT-4o-based models |
| Salida máxima | 2K | 2K |
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)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "gpt-4o-transcribe",
// model: "gpt-4o-transcribe-diarize", // descomenta esta línea, comenta la de arriba
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="gpt-4o-transcribe" \
# -F model="gpt-4o-transcribe-diarize" \ # descomenta esta línea, comenta la de arriba
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "gpt-4o-transcribe",
// Model: "gpt-4o-transcribe-diarize", // descomenta esta línea, comenta la de arriba
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("gpt-4o-transcribe")
// .model("gpt-4o-transcribe-diarize") // descomenta esta línea, comenta la de arriba
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());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.