GPT Realtime Whisper

transcription

GPT Realtime Whisper genera actualizaciones de transcripción de baja latencia a partir de audio en directo.

Entrada
audio texto
Salida
texto
Precio
$0.017/min
Contexto
16K
Corte de conocimiento
2024-09

El precio en contexto

Posición del precio entre 9 modelos comparables

Por minuto$0.017/min
$0.002 · Seed ASR GPT Realtime Whisper · $0.017

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

Ventana de contexto (especificación del proveedor) 16.000
Salida máxima (especificación del proveedor) 2000
Corte de conocimiento 2024-09

Audio

Idiomas OpenAI no publica una lista de idiomas específica de este modelo; comprueba el idioma objetivo con audio representativo.
Límites de audio
  • Transcripción de audio en directo con actualizaciones de texto de baja latencia
  • cobro por minuto de audio, no por tokens de texto
Transcripción en streaming Sí

Modelo

Modalidades audio + texto → texto

según fuente de las especificaciones del modelo ↗

Usa GPT Realtime Whisper en 30 segundos

Se usa solo dentro de una sesión de OpenAI Realtime, como modelo de transcripción de la entrada: abre la sesión con un modelo Realtime y establece session.audio.input.transcription.model en gpt-realtime-whisper. WS /v1/realtime

import asyncio, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
# Send ONLY the Authorization header - the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) name gpt-realtime-whisper as the session's input transcription model
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "audio": {"input": {"transcription": {"model": "gpt-realtime-whisper"}}},
            },
        }))
        # 2) send input audio (base64 PCM16) and commit it
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        # 3) the transcript of what was said arrives as its own event
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "conversation.item.input_audio_transcription.completed":
                print(ev["transcript"])
                break

asyncio.run(main())

Acerca de GPT Realtime Whisper

  • OpenAI cobra por duración del audio, no por tokens de texto.
  • Para integraciones nuevas, OpenAI recomienda modelos de transcripción más recientes; este sigue disponible para integraciones existentes compatibles.

Preguntas frecuentes

¿Se puede probar gratis la API de GPT Realtime Whisper?

Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. Suficiente para probar GPT Realtime Whisper con tu carga de trabajo real antes de añadir un método de pago.

¿En qué destaca GPT Realtime Whisper?

Transcripción continua de audio en directo; cobro por minuto de audio; comparar modelos más recientes. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.

¿Cuánto cuesta GPT Realtime Whisper?

GPT Realtime Whisper cuesta $0.017 por minuto de audio transcrito en Synthorai: pago por uso, sin recargo de plataforma, sin suscripción.

¿Cómo uso GPT Realtime Whisper?

GPT Realtime Whisper no se llama por sí solo. Transcribe el audio del usuario dentro de una sesión Realtime: conéctate a wss://synthorai.io/v1/realtime con un modelo Realtime, establece session.audio.input.transcription.model en "gpt-realtime-whisper" y lee cada transcripción del evento conversation.item.input_audio_transcription.completed. Se factura a $0.017 por minuto de audio de entrada, además de las tarifas de la propia sesión.

¿Cómo obtengo acceso a GPT Realtime Whisper?

Abre la sesión Realtime con tu clave API de Synthorai e indica "gpt-realtime-whisper" como modelo de transcripción de la entrada. GPT Realtime Whisper está pensado para sesiones Realtime, no para la API de archivos /v1/audio/transcriptions; para transcribir un archivo, elige un modelo de voz a texto. Una sola clave API sirve para todos los modelos de la pasarela.

Modelos relacionados

Comparar

Las especificaciones y los benchmarks de los proveedores enlazan a sus fuentes. La compatibilidad de la pasarela describe la implementación de Synthorai. Los ejemplos archivados son solicitudes individuales y no garantizan el rendimiento general del modelo. Los precios proceden del servicio público de precios o de su instantánea usada en la compilación.

Obtén tu clave API Compara tu coste →