GPT-4o Transcribe Diarize es un modelo de reconocimiento automático de voz que identifica quién habla y cuándo: asocia segmentos de audio con distintos hablantes de una conversación, de modo que las transcripciones capturan quién dijo qué, no solo qué se dijo.
- Entrada
- audio texto $2.5/M
- Salida
- texto $2.5/M
- Entrada de audio
- $6.25/M
- Contexto
- 16K
- Corte de conocimiento
- 2024-06
El precio en contexto
Posición del precio entre 3 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Salida máxima (especificación del proveedor) | 2000 |
|---|---|
| Corte de conocimiento | 2024-06 |
Audio
| 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 |
|---|---|
| Límites de audio |
|
| Diarización | Sí |
| Transcripción en streaming | Sí |
| Marcas de tiempo | Sí |
Modelo
| Modalidades | audio + texto → texto |
|---|
El único modelo de transcripción de OpenAI con diarización de hablantes integrada.
Usa GPT-4o Transcribe Diarize en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu SDK. POST /v1/audio/transcriptions
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-diarize",
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-diarize",
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-diarize" \
-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-diarize",
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-diarize")
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());Acerca de GPT-4o Transcribe Diarize
- Comparte la ventana de contexto de 16K tokens y los 2K tokens de salida máxima de la familia de transcripción GPT-4o y está concebido específicamente para el endpoint de transcripción y no para el chat general.
- OpenAI afirma con claridad que el modelo solo está disponible a través de la Transcription API y no en la Realtime API.
- Es el único modelo de OpenAI que devuelve el formato de respuesta JSON con diarización, que lleva etiquetas de hablante junto a las marcas de tiempo de segmento; también están disponibles JSON simple y texto, pero no SRT, VTT ni JSON detallado.
- Dos comportamientos son específicos de este modelo.
- Se requiere una estrategia de fragmentación para audio de más de 30 segundos, ya sea automática o una configuración de actividad de voz que usted proporcione, y el prompting no está disponible en absoluto, así que los trucos de contexto que funcionan en sus hermanos no se aplican aquí.
- Opcionalmente se puede nombrar a los hablantes por adelantado aportando hasta cuatro clips de referencia cortos de unos pocos segundos cada uno.
- El streaming funciona, aunque la asignación de hablante se consolida por segmento y no palabra por palabra.
- Las notas de reuniones, la analítica de llamadas y las herramientas de entrevistas son su encaje natural.
- Synthorai lo expone a través de la misma API de transcripción compatible con OpenAI que sus hermanos.
Preguntas frecuentes
¿Se puede probar gratis la API de GPT-4o Transcribe Diarize?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. Suficiente para probar GPT-4o Transcribe Diarize con tu carga de trabajo real antes de añadir un método de pago.
¿En qué destaca GPT-4o Transcribe Diarize?
Diarización de hablantes incorporada; las transcripciones capturan quién dijo qué; encaja con notas de reuniones y analítica de llamadas. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta GPT-4o Transcribe Diarize?
GPT-4o Transcribe Diarize cuesta $2.5 por millón de tokens de entrada y $2.5 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma.
¿Qué idiomas admite GPT-4o Transcribe Diarize?
GPT-4o Transcribe Diarize admite 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. En Synthorai se llama con POST /v1/audio/transcriptions, el mismo formato que la API de transcripción de OpenAI.
¿Cómo obtengo acceso a GPT-4o Transcribe Diarize?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="gpt-4o-transcribe-diarize" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
Modelos relacionados
Comparar
Todos los valores de esta página están transcritos de la documentación del propio proveedor, enlazada arriba, e indican la fecha en que se comprobaron. Los precios se comparan con los de todo el catálogo; cuando los proveedores definen una especificación de forma distinta, se muestra el valor indicando la diferencia en lugar de llevarlo a un gráfico. Aquí no hay mediciones nuestras ni puntuaciones.