{"id":20169,"date":"2026-09-30T03:22:22","date_gmt":"2026-09-30T07:22:22","guid":{"rendered":"https:\/\/wp.glbgpt.com\/?p=20169"},"modified":"2026-09-30T03:22:23","modified_gmt":"2026-09-30T07:22:23","slug":"openai-audio-api","status":"publish","type":"post","link":"https:\/\/wp.glbgpt.com\/es\/hub\/openai-audio-api","title":{"rendered":"API de audio OpenAI: caracter\u00edsticas, precios y c\u00f3mo utilizarla"},"content":{"rendered":"

GU\u00cdA DE LA API DE AUDIO \u00b7 ACTUALIZADA EL 29 DE SEPTIEMBRE DE 2026<\/p>\n\n\n\n

\u00bfNecesitas convertir una grabaci\u00f3n en texto, a\u00f1adir una voz en off a un v\u00eddeo o permitir que los clientes hablen con un asistente de IA? El API de audio OpenAI<\/strong> Ofrece a los desarrolladores varias formas de gestionar el reconocimiento de voz, pero cada trabajo utiliza un modelo, una solicitud y una unidad de facturaci\u00f3n diferentes.<\/p>\n\n\n\n

Empieza por la tarea que quieras completar. A continuaci\u00f3n encontrar\u00e1s los principales puntos finales, las opciones de modelos disponibles actualmente, ejemplos en Python y c\u00e1lculos de precios. Si tu aplicaci\u00f3n tambi\u00e9n necesita voces, modelos de chat, im\u00e1genes o v\u00eddeos de otros proveedores, el API GlobalGPT<\/a> ofrece otra v\u00eda: un \u00fanico punto de acceso a la API con tareas de audio junto a esos servicios.<\/p>\n\n\n\n

\n

Respuesta r\u00e1pida:<\/strong> Utiliza los OpenAI \/v1\/audio\/transcripciones<\/code> para el habla grabada, \/v1\/audio\/speech<\/code> para el habla generada, y \/v1\/audio\/traducciones<\/code> para traducir grabaciones a texto en ingl\u00e9s. Para una conversaci\u00f3n oral en tiempo real, elige una sesi\u00f3n de voz en directo. GlobalGPT tambi\u00e9n ofrece una API para tareas de audio, con su propio cat\u00e1logo de modelos y formato de solicitud.<\/p>\n<\/div>\n\n\n\n

\n

En esta p\u00e1gina<\/strong><\/p>\n\n\n\n

    \n
  1. \u00bfQu\u00e9 es la API de audio OpenAI?<\/a><\/li>\n\n\n\n
  2. Elige un punto final y un modelo<\/a><\/li>\n\n\n\n
  3. Empieza con los ejemplos de Python<\/a><\/li>\n\n\n\n
  4. Entender los precios de la API de audio<\/a><\/li>\n\n\n\n
  5. Utiliza la API GlobalGPT para audio y otras funciones<\/a><\/li>\n\n\n\n
  6. Evita los errores habituales al configurar el sistema<\/a><\/li>\n\n\n\n
  7. Elige la ruta adecuada<\/a><\/li>\n\n\n\n
  8. Preguntas frecuentes<\/a><\/li>\n<\/ol>\n<\/div>\n\n\n\n

    \u00bfQu\u00e9 es la API de audio OpenAI?<\/h2>\n\n\n\n

    La API de audio OpenAI es un conjunto de interfaces para desarrolladores destinadas al procesamiento y la generaci\u00f3n de voz. Tu aplicaci\u00f3n env\u00eda texto o audio a OpenAI, selecciona un modelo y recibe a cambio audio hablado o texto. Puede utilizarse en una aplicaci\u00f3n de transcripci\u00f3n, un art\u00edculo narrado, una herramienta de subt\u00edtulos o en las funciones de voz de un asistente m\u00e1s amplio.<\/p>\n\n\n\n

    OpenAI Referencia de la API de audio<\/a> distingue entre la generaci\u00f3n de voz, la transcripci\u00f3n y la traducci\u00f3n. Se trata de componentes b\u00e1sicos muy \u00fatiles: la transcripci\u00f3n obtiene palabras a partir de una grabaci\u00f3n; un modelo de texto independiente puede convertir esas palabras en un resumen, y un modelo de voz puede leer el resumen en voz alta.<\/p>\n\n\n\n

    Tres solicitudes, tres resultados distintos<\/h3>
    \n

    Grabaci\u00f3n \u2192 transcripci\u00f3n<\/strong><\/p>

    Entrevista, reuni\u00f3n, conferencia o nota de voz<\/p>

    \/audio\/transcripciones<\/code><\/p><\/div>\n

    Gui\u00f3n \u2192 audio hablado<\/strong><\/p>

    Narraci\u00f3n, audio de accesibilidad o respuesta de una aplicaci\u00f3n<\/p>

    \/audio\/voz<\/code><\/p><\/div>\n

    Grabaci\u00f3n en lengua extranjera \u2192 Texto en ingl\u00e9s<\/strong><\/p>

    Una traducci\u00f3n al ingl\u00e9s de un discurso grabado<\/p>

    \/audio\/traducciones<\/code><\/p><\/div>\n<\/div>

    Tareas de audio basadas en archivos OpenAI. Una conversaci\u00f3n bidireccional en directo requiere una integraci\u00f3n de voz independiente basada en sesiones.<\/figcaption><\/figure>\n\n\n\n

    ChatGPT es una aplicaci\u00f3n que puedes utilizar directamente; la API te permite a\u00f1adir modelos a tu propia aplicaci\u00f3n. Si solo quieres interactuar con ChatGPT, empieza por ChatGPT Acceso por voz y l\u00edmites<\/a>. Un proyecto de API requiere su propio presupuesto para la puesta en marcha y el uso.<\/p>\n\n\n\n

    \u00bfQu\u00e9 terminal de audio y qu\u00e9 modelo deber\u00edas utilizar?<\/h2>\n\n\n\n

    Elige el tipo de resultado que necesite tu aplicaci\u00f3n. Un archivo de subt\u00edtulos, una transcripci\u00f3n con indicaciones de qui\u00e9n habla y una conversaci\u00f3n en directo son productos finales distintos, aunque los tres empiecen con alguien hablando.<\/p>\n\n\n\n

    \n
    Tu tarea<\/th>Ruta OpenAI<\/th>Modelo o punto de partida<\/th>Detalle clave<\/th><\/tr><\/thead>
    Transcribir una grabaci\u00f3n completa<\/td>\/v1\/audio\/transcripciones<\/code><\/td>gpt-transcribe<\/code><\/td>El punto de partida recomendado por OpenAI para la transcripci\u00f3n de archivos; conserva el lenguaje hablado.<\/td><\/tr>\n
    Generar narraci\u00f3n a partir de un texto<\/td>\/v1\/audio\/speech<\/code><\/td>gpt-4o-mini-tts<\/code><\/td>Elige una voz y da instrucciones sobre c\u00f3mo pronunciarla, como por ejemplo un tono tranquilo o un ritmo m\u00e1s lento.<\/td><\/tr>\n
    Traducir una grabaci\u00f3n al ingl\u00e9s<\/td>\/v1\/audio\/traducciones<\/code><\/td>susurro-1<\/code><\/td>Devuelve texto en ingl\u00e9s. Este modelo tiene prevista su retirada; consulta la nota de migraci\u00f3n que figura a continuaci\u00f3n.<\/td><\/tr>\n
    Obtener segmentos etiquetados por hablante<\/td>\/v1\/audio\/transcripciones<\/code><\/td>gpt-4o-transcribe-diarize<\/code><\/td>Solicitud diarized_json<\/code>. Este modelo tambi\u00e9n se va a retirar.<\/td><\/tr>\n
    Mostrar subt\u00edtulos en directo<\/td>Sesi\u00f3n de transcripci\u00f3n en tiempo real<\/td>gpt-live-transcribe<\/code><\/td>Procesa el audio entrante sin que un asistente responda.<\/td><\/tr>\n
    Crear una conversaci\u00f3n de voz continua<\/td>Sesi\u00f3n de GPT-Live<\/td>gpt-live-1<\/code><\/td>Puede escuchar mientras habla y delegar tareas a un agente de soporte t\u00e9cnico.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n

    La corriente Gu\u00eda de transcripci\u00f3n de archivos<\/a> recomienda gpt-transcribe<\/code> para grabaciones normales. Para la transcripci\u00f3n de un podcast, empieza por ah\u00ed. Si necesitas marcas de tiempo por palabra o formatos de subt\u00edtulos, consulta las opciones espec\u00edficas de cada modelo antes de elegir uno; la compatibilidad var\u00eda.<\/p>\n\n\n\n

    \n

    Fecha de migraci\u00f3n que hay que tener en cuenta:<\/strong> Listas de OpenAI susurro-1<\/code>, gpt-4o-transcribe<\/code>, gpt-4o-mini-transcribe<\/code>, y gpt-4o-transcribe-diarize<\/code> para la retirada de la API el 26 de febrero de 2027<\/strong>. Las integraciones existentes de traducci\u00f3n, subtitulado y diarizaci\u00f3n deben seguir las orientaciones oficiales sobre la obsolescencia<\/a> en lugar de dar por sentado que un nuevo modelo acepta todos los par\u00e1metros antiguos.<\/p>\n<\/div>\n\n\n\n

    El discurso en streaming es diferente de una conversaci\u00f3n en directo<\/h3>\n\n\n\n

    La reproducci\u00f3n en streaming de \u00abtexto a voz\u00bb comienza a reproducir una respuesta antes de que termine de generarse todo el archivo de audio. Por s\u00ed sola, no permite que tu aplicaci\u00f3n detecte una interrupci\u00f3n del usuario ni gestione una llamada en curso. Del mismo modo, la reproducci\u00f3n en streaming de una transcripci\u00f3n a partir de un archivo completo no establece una sesi\u00f3n de micr\u00f3fono en directo.<\/p>\n\n\n\n

    Para una nueva aplicaci\u00f3n de voz conversacional, OpenAI\u2019s audio y audiogu\u00eda<\/a> apunta a GPT-Live. Su modelo de voz se encarga de la conversaci\u00f3n, mientras que un agente del backend realiza b\u00fasquedas o utiliza herramientas. La API en tiempo real sigue siendo una opci\u00f3n independiente cuando se necesita su modelo de sesi\u00f3n y de herramientas.<\/p>\n\n\n\n

    C\u00f3mo utilizar la API de audio OpenAI<\/h2>\n\n\n\n

    Para los ejemplos que se muestran a continuaci\u00f3n, crea un proyecto de API OpenAI, configura la facturaci\u00f3n de la API y guarda tu clave en el OPENAI_API_KEY<\/code> variable de entorno en tu servidor o en tu equipo de desarrollo local. Instala el SDK de Python con pip install openai<\/code>. No incluyas una clave API permanente en una p\u00e1gina web p\u00fablica ni en el paquete de una aplicaci\u00f3n m\u00f3vil.<\/p>\n\n\n\n

    Empieza con un archivo o un script breve para que puedas comprobar la respuesta antes de a\u00f1adir la solicitud a tu aplicaci\u00f3n.<\/p>\n\n\n\n

    1. Transcribir una grabaci\u00f3n<\/h3>\n\n\n\n

    Guardar una grabaci\u00f3n como reuni\u00f3n.mp3<\/code>, y a continuaci\u00f3n ejecuta este script desde la misma carpeta. El resultado devuelto texto<\/code> Es la transcripci\u00f3n, no un resumen de la reuni\u00f3n ni una lista de medidas a tomar.<\/p>\n\n\n\n

    from openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"meeting.mp3\", \"rb\") as audio_file:\n    transcript = client.audio.transcriptions.create(\n model=\"gpt-transcribe\",\n file=audio_file,\n    )\n\nprint(transcript.text)<\/code><\/pre>\n\n\n\n
    En el caso de los nombres de productos o el vocabulario espec\u00edfico del sector, proporciona un contexto relevante en lugar de esperar que el modelo adivine la ortograf\u00eda. La gu\u00eda de transcripci\u00f3n actual admite consulte<\/code>, adem\u00e1s de sugerencias de palabras clave y de idioma espec\u00edficas para cada modelo. Prueba esas opciones con una peque\u00f1a muestra de las grabaciones que gestiona realmente tu aplicaci\u00f3n.<\/p>\n\n\n\n
    Si tu material de origen es una demo grabada o un v\u00eddeo de entrevista, nuestra gu\u00eda sobre transcribir el audio de un v\u00eddeo<\/a> explica c\u00f3mo preparar los materiales y los pasos que hay que seguir desde que se obtiene una transcripci\u00f3n hasta que se elabora un resumen \u00fatil.<\/p>\n\n\n\n
    2. Convertir un guion en audio hablado<\/h3>\n\n\n\n
    Elige un formato de voz compatible y describe c\u00f3mo se reproduce. En este ejemplo se guarda un archivo MP3 en tu ordenador; no se reproduce autom\u00e1ticamente.<\/p>\n\n\n\n
    from pathlib import Path\nfrom openai import OpenAI\n\nclient = OpenAI()\n\nwith client.audio.speech.with_streaming_response.create(\n    model=\"gpt-4o-mini-tts\",\n    voice=\"coral\",\n    input=\"El resumen de tu reuni\u00f3n est\u00e1 listo. Estos son los siguientes pasos.\",\n    instructions=\"Utiliza un tono tranquilo y claro, y un ritmo mesurado.\",\n) as response:\n    response.stream_to_file(Path(\"narration.mp3\"))<\/code><\/pre>\n\n\n\n
    En Gu\u00eda de conversi\u00f3n de texto a voz<\/a> Controles de tono, velocidad, entonaci\u00f3n y otras opciones de reproducci\u00f3n. El formato MP3 es el predeterminado; otros formatos compatibles son WAV, PCM, Opus, AAC y FLAC. Las opciones de voz dependen del modelo. El OpenAI tambi\u00e9n exige que se indique claramente que la voz ha sido generada por IA.<\/p>\n\n\n\n
    Si solo vas a hacer narraciones de vez en cuando, quiz\u00e1 prefieras utilizar una herramienta del navegador en lugar de escribir c\u00f3digo. Nuestra gu\u00eda sobre herramientas y flujos de trabajo de conversi\u00f3n de texto a voz<\/a> aborda ese tema, incluyendo lo que hay que comprobar antes de exportar una locuci\u00f3n.<\/p>\n\n\n\n
    3. Traducir el discurso grabado a texto en ingl\u00e9s<\/h3>\n\n\n\n
    El punto final de traducci\u00f3n utiliza susurro-1<\/code> y genera texto en ingl\u00e9s. En el caso de una integraci\u00f3n ya existente, la solicitud tiene este aspecto. Ten en cuenta la retirada prevista para febrero de 2027 antes de crear una nueva dependencia a largo plazo de la misma.<\/p>\n\n\n\n
    from openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"interview.mp3\", \"rb\") as audio_file:\n    translation = client.audio.translations.create(\n model=\"whisper-1\",\n file=audio_file,\n    )\n\nprint(translation.text)<\/code><\/pre>\n\n\n\n
    Esta solicitud no genera audio doblado al ingl\u00e9s. El doblaje requiere pasos adicionales, como la generaci\u00f3n de voz y, dependiendo del proyecto, la sincronizaci\u00f3n y la alineaci\u00f3n del v\u00eddeo. Para traducir a otro idioma de destino, utiliza un m\u00e9todo de traducci\u00f3n que admita expl\u00edcitamente ese idioma.<\/p>\n\n\n\n
    \u00bfCu\u00e1nto cuesta la API de audio OpenAI?<\/h2>\n\n\n\n
    No hay un precio \u00fanico para la API de audio. La transcripci\u00f3n de archivos, la generaci\u00f3n de voz y las sesiones en directo utilizan diferentes unidades de facturaci\u00f3n. Las cifras que se muestran a continuaci\u00f3n proceden de Precios de la API de OpenAI<\/a>, consultado el 29 de septiembre de 2026. Se trata de tarifas OpenAI, distintas de los precios GlobalGPT.<\/p>\n\n\n\n
    \n
    Modelo o servicio<\/th>Informaci\u00f3n de facturaci\u00f3n publicada<\/th>Ejemplo de presupuesto<\/th><\/tr><\/thead>
    gpt-transcribe<\/code><\/td>Coste estimado: $0,0045 por minuto<\/strong><\/td>1.000 minutos \u2248 $4.50<\/strong><\/td><\/tr>\n
    gpt-live-transcribe<\/code><\/td>Coste estimado: $0,017 por minuto<\/strong><\/td>1.000 minutos \u2248 $17.00<\/strong><\/td><\/tr>\n
    susurro-1<\/code> \u00b7 Retirada del modelo de transcripci\u00f3n\/traducci\u00f3n<\/td>Coste estimado: $0,006 por minuto<\/strong><\/td>60 minutos \u2248 $0.36<\/strong>; planificar la migraci\u00f3n antes del 26 de febrero de 2027<\/td><\/tr>\n
    gpt-4o-mini-tts<\/code><\/td>$0,60 \/ 1 mill\u00f3n de tokens de entrada de texto<\/strong> m\u00e1s $12 \/ 1M fichas de salida de audio<\/strong><\/td>100 000 tokens de entrada + 100 000 tokens de audio de salida = $1.26<\/strong><\/td><\/tr>\n
    tts-1<\/code><\/td>$15 \/ 1M caracteres<\/strong><\/td>100 000 caracteres = $1.50<\/strong><\/td><\/tr>\n
    tts-1-hd<\/code><\/td>$30 \/ 1M caracteres<\/strong><\/td>100 000 caracteres = $3.00<\/strong><\/td><\/tr>\n
    gpt-live-1<\/code> sesiones de voz<\/td>$0,05 por minuto<\/strong>, con facturaci\u00f3n por segundos<\/td>60 minutos = $3.00<\/strong>, adem\u00e1s del modelo de backend y el uso de herramientas<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    Las filas de transcripci\u00f3n utilizan los datos publicados por OpenAI coste estimado<\/em> Cifras. El ejemplo del token TTS es una ilustraci\u00f3n aritm\u00e9tica basada en dos totales de uso especificados; no es una predicci\u00f3n de que un script vaya a generar el mismo n\u00famero de tokens de entrada y de salida. Los caracteres, los tokens de texto y los tokens de audio son unidades diferentes.<\/p>\n\n\n\n
    Un presupuesto de transcripci\u00f3n de 1.000 minutos<\/h3>
    Unas 16 horas y 40 minutos de audio, seg\u00fan las estimaciones por minuto publicadas por OpenAI.<\/p>\n
    Archivos grabados \u00b7 gpt-transcribe \u00b7 \u2248 $4.50<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Transcripci\u00f3n en directo \u00b7 gpt-live-transcribe \u00b7 \u2248 $17.00<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Diferentes modos de entrada, no se trata de una clasificaci\u00f3n por precisi\u00f3n. Los c\u00e1lculos no tienen en cuenta el procesamiento adicional del modelo de texto, el almacenamiento, el alojamiento de la aplicaci\u00f3n ni los reintentos.<\/figcaption><\/figure>\n\n\n\n
    Para hacer un presupuesto realista de un proyecto, hay que tener en cuenta tambi\u00e9n el trabajo posterior a la transcripci\u00f3n. Un asistente de reuniones puede necesitar una transcripci\u00f3n, un resumen, las acciones a realizar y la reproducci\u00f3n de la grabaci\u00f3n. Cada llamada del modelo puede influir en el coste final. Adem\u00e1s, un agente de atenci\u00f3n telef\u00f3nica puede utilizar herramientas de b\u00fasqueda u otras herramientas mientras la conversaci\u00f3n sigue su curso.<\/p>\n\n\n\n
    En el caso concreto de GPT-Live, el p\u00e1gina de precios de los modelos<\/a> Separa la duraci\u00f3n de la sesi\u00f3n de los costes del modelo de backend y de las herramientas. Una llamada de una hora que cuesta $3 en concepto de sesi\u00f3n de voz no supone necesariamente un coste total de la aplicaci\u00f3n de $3.<\/p>\n\n\n\n
    GlobalGPT tambi\u00e9n cuenta con una API para audio, chat, im\u00e1genes y v\u00eddeo<\/h2>\n\n\n\n
    Si el audio forma parte de un producto m\u00e1s amplio, el GlobalGPT ofrece una opci\u00f3n muy \u00fatil. Su Descripci\u00f3n general de la API<\/a> documenta un punto de entrada com\u00fan para varias categor\u00edas de modelos: las solicitudes de chat utilizan \/v1\/chat\/completions<\/code> o \/v1\/respuestas<\/code>, mientras que la generaci\u00f3n de im\u00e1genes, v\u00eddeos y audio utiliza \/v1\/tareas<\/code>.<\/p>\n\n\n\n
    Por ejemplo, una aplicaci\u00f3n de contenidos podr\u00eda redactar un guion con un modelo de chat, crear una pista de narraci\u00f3n, generar una ilustraci\u00f3n y producir un v\u00eddeo corto. Cuando creaci\u00f3n de un flujo de trabajo multimodelo<\/a>, asignar a cada modelo una tarea bien definida y transmitir los resultados revisados entre los distintos pasos.<\/p>\n\n\n\n
    \n
    Pregunta<\/th>API directa OpenAI<\/th>API GlobalGPT<\/th><\/tr><\/thead>
    \u00bfQu\u00e9 modelos de audio son relevantes?<\/td>Modelos OpenAI, entre los que se incluyen gpt-transcribe<\/code> y gpt-4o-mini-tts<\/code>.<\/td>Consulta el cat\u00e1logo de modelos API de la cuenta. Las herramientas de audio de la plataforma incluyen las entradas Eleven, Qwen, Seed y Scribe; es necesario comprobar la disponibilidad y los par\u00e1metros de cada modelo API.<\/td><\/tr>\n
    \u00bfC\u00f3mo se env\u00edan las solicitudes de audio?<\/td>Espec\u00edfico para cada tarea \/v1\/audio\/\u2026<\/code> puntos finales; Live Voice utiliza una API de sesi\u00f3n.<\/td>La descripci\u00f3n general de la API canaliza la generaci\u00f3n de audio a trav\u00e9s de \/v1\/tareas<\/code>.<\/td><\/tr>\n
    \u00bfC\u00f3mo se consultan los precios?<\/td>P\u00e1ginas de precios de los modelos y la API de OpenAI.<\/td>En la descripci\u00f3n general de la API GlobalGPT se indica lo siguiente: GET \/v1\/models<\/code> muestra los n\u00fameros de referencia de los modelos junto con sus precios.<\/td><\/tr>\n
    \u00bfCu\u00e1ndo es una opci\u00f3n \u00fatil?<\/td>Necesitas un modelo de audio OpenAI concreto o las funciones de sesi\u00f3n de voz documentadas de dicho modelo.<\/td>Quieres disponer de audio junto con los servicios de chat, im\u00e1genes y v\u00eddeo de varios proveedores.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    El p\u00fablico de GlobalGPT cat\u00e1logo de modelos de audio<\/a> Incluye Eleven v3, Eleven Multilingual v2, Qwen Audio 3.0 y Seed Audio 1.0 para la creaci\u00f3n de contenidos relacionados con el habla, adem\u00e1s de Scribe y AI Note Taker para tareas de transcripci\u00f3n. Consulta el cat\u00e1logo de API de la cuenta para ver los modelos espec\u00edficos disponibles para tu integraci\u00f3n.<\/p>\n\n\n\n
    En el caso de guiones m\u00e1s largos, el Rese\u00f1a de Eleven Multilingual v2<\/a> aborda la narraci\u00f3n, el apoyo ling\u00fc\u00edstico y en qu\u00e9 se diferencia de otros modelos ElevenLabs.<\/p>\n\n\n\n
    Para audios creativos que incluyan voz y sonido ambiental, Gu\u00eda de voces y efectos de sonido de Seed Audio<\/a> va m\u00e1s all\u00e1 de la simple lectura en voz alta de un texto. Elige en funci\u00f3n del tipo de audio que necesites ofrecer.<\/p>\n\n\n\n
    C\u00f3mo empezar a utilizar la API GlobalGPT<\/h3>\n\n\n\n
      \n
    1. Abre el \u00e1rea de la API GlobalGPT y crea una clave en API \u2192 Claves de API \u2192 Crear clave<\/strong>. Gu\u00e1rdalo de forma segura cuando aparezca en pantalla.<\/li>\n\n\n\n
    2. Consulta el cat\u00e1logo de modelos para encontrar el n\u00famero de referencia y el precio del modelo que necesitas para la tarea en cuesti\u00f3n.<\/li>\n\n\n\n
    3. Utiliza los par\u00e1metros documentados del modelo seleccionado. Sigue el formato de solicitud de tareas de audio para \/v1\/tareas<\/code>, en lugar de pegar un OpenAI \/audio\/voz<\/code> carga \u00fatil sin cambios.<\/li>\n\n\n\n
    4. Empieza con una muestra breve. Comprueba el audio obtenido, el estado de finalizaci\u00f3n y el consumo facturado antes de procesar un lote m\u00e1s grande.<\/li>\n<\/ol>\n\n\n\n
      La URL base de la API que figura en la documentaci\u00f3n es https:\/\/api2.glbgpt.com\/ai-api\/open\/v1<\/code>. Esta solicitud de cat\u00e1logo de solo lectura es el punto de partida una vez que hayas guardado tu clave en GLOBALGPT_API_KEY<\/code>:<\/p>\n\n\n\n
      curl \"https:\/\/api2.glbgpt.com\/ai-api\/open\/v1\/models\" \\\n  -H \"Authorization: Bearer $GLOBALGPT_API_KEY\"<\/code><\/pre>\n\n\n\n
      Utiliza el precio asociado al modelo que selecciones realmente. El precio de la suscripci\u00f3n al sitio web GlobalGPT, un saldo acreedor y la tarifa por minuto OpenAI no son estimaciones intercambiables para la misma solicitud.<\/p>\n\n\n\n
      \n
      L\u00edmite de integraci\u00f3n:<\/strong> GlobalGPT ofrece su propia API de audio. Su documentaci\u00f3n p\u00fablica no indica que sea compatible con los puntos finales de audio nativos de OpenAI, las sesiones de GPT-Live ni todos los modelos de voz de OpenAI. Si tu aplicaci\u00f3n actual depende de alguna de estas funciones, comprueba ese requisito espec\u00edfico antes de cambiar de proveedor.<\/p>\n<\/div>\n\n\n\n
      Errores habituales en la API de audio y c\u00f3mo evitarlos<\/h2>\n\n\n\n
      \n
      Problema<\/th>Qu\u00e9 hay que comprobar<\/th>Pr\u00f3ximo paso pr\u00e1ctico<\/th><\/tr><\/thead>
      No se puede subir una grabaci\u00f3n<\/td>Tama\u00f1o del archivo y codificaci\u00f3n real.<\/td>Para la transcripci\u00f3n de archivos OpenAI, procura que cada archivo que subas no supere los 25 MB y utiliza los formatos MP3, MP4, MPEG, MPGA, M4A, WAV o WebM. Comprime o divide los archivos m\u00e1s grandes en las pausas naturales.<\/td><\/tr>\n
      La respuesta no incluye etiquetas de interlocutor.<\/td>Si el modelo y el formato de respuesta elegidos admiten la diarizaci\u00f3n.<\/td>Para una integraci\u00f3n de diarizaci\u00f3n ya existente, solicita diarized_json<\/code>; plan para la retirada anunciada del modelo.<\/td><\/tr>\n
      La traducci\u00f3n est\u00e1 en ingl\u00e9s, pero t\u00fa quer\u00edas otro idioma<\/td>Compatibilidad del terminal con el idioma de destino.<\/td>El punto final de traducci\u00f3n de archivos devuelve texto en ingl\u00e9s. Utiliza un paso de traducci\u00f3n independiente o un servicio que admita tu idioma de destino.<\/td><\/tr>\n
      El audio se reproduce, pero el asistente no puede gestionar una interrupci\u00f3n<\/td>Tanto si has creado una reproducci\u00f3n en streaming como una sesi\u00f3n conversacional.<\/td>Utiliza una arquitectura de voz en tiempo real cuando tu aplicaci\u00f3n tenga que escuchar mientras habla.<\/td><\/tr>\n
      Un ejemplo de OpenAI falla al compararse con otro proveedor<\/td>URL base, punto final, ID del modelo y campos de la solicitud.<\/td>Sigue las instrucciones de audio del propio proveedor. Una configuraci\u00f3n similar del SDK no garantiza que las rutas de audio sean id\u00e9nticas.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
      Antes de decidirte por la calidad de la voz, prueba una breve muestra que incluya tu vocabulario real: nombres de productos, n\u00fameros, abreviaturas y los idiomas que hablan tus usuarios. En el caso de la transcripci\u00f3n, revisa las palabras y la asignaci\u00f3n de los hablantes. En el caso de la narraci\u00f3n, presta atenci\u00f3n a la pronunciaci\u00f3n, las pausas, el ritmo y si el tono deseado se mantiene a lo largo de un p\u00e1rrafo m\u00e1s extenso.<\/p>\n\n\n\n
      Utiliza grabaciones para las que tengas permiso para procesarlas, guarda las claves en un servidor de confianza y revisa las condiciones relativas a los datos del servicio que reciba tu audio. En el caso de un producto destinado a los clientes, incluye en la interfaz la informaci\u00f3n relativa a las grabaciones y a las voces generadas por IA.<\/p>\n\n\n\n
      \u00bfQu\u00e9 ruta de la API deber\u00edas elegir?<\/h2>\n\n\n\n
      Selecciona directamente OpenAI<\/strong> cuando tu aplicaci\u00f3n necesite un modelo de voz OpenAI espec\u00edfico, una opci\u00f3n de transcripci\u00f3n documentada o una sesi\u00f3n de voz en directo nativa. Empieza por el modelo m\u00e1s adecuado para la tarea y dise\u00f1a la aplicaci\u00f3n teniendo en cuenta sus reglas reales de solicitud y facturaci\u00f3n.<\/p>\n\n\n\n
      Toma como ejemplo GlobalGPT<\/strong> cuando tu producto combine funciones de audio con modelos de varios proveedores, o cuando quieras explorar la generaci\u00f3n de voz junto con el chat, las im\u00e1genes y el v\u00eddeo. Empieza por el cat\u00e1logo de API, selecciona un modelo disponible y comprueba que funciona con una tarea sencilla antes de ampliar la escala.<\/p>\n\n\n\n
      La m\u00fasica, la narraci\u00f3n y la transcripci\u00f3n requieren la elecci\u00f3n de modelos distintos. Nuestra comparaci\u00f3n sobre Elecci\u00f3n de un modelo de audio en funci\u00f3n de la tarea<\/a> Ayuda a diferenciar entre la generaci\u00f3n de canciones, la narraci\u00f3n hablada y las escenas de audio m\u00e1s complejas.<\/p>\n\n\n\n
      Para una sola grabaci\u00f3n de voz o una transcripci\u00f3n de una reuni\u00f3n, puede que baste con una herramienta web. Una API resulta \u00fatil cuando tu propia aplicaci\u00f3n debe ejecutar la tarea de forma repetida, pasar los resultados a otro paso o facilitar el resultado a tus usuarios.<\/p>\n\n\n\n
      Preguntas frecuentes<\/h2>\n\n\n\n
      \u00bfLa API de audio OpenAI es un \u00fanico modelo?<\/h3>\n\n\n\n
      No. Se trata de un conjunto de interfaces de audio. La generaci\u00f3n de voz, la transcripci\u00f3n de archivos y la traducci\u00f3n de archivos utilizan diferentes puntos finales y opciones de modelos. GPT-Live y Realtime a\u00f1aden opciones independientes basadas en sesiones para aplicaciones de audio en directo.<\/p>\n\n\n\n
      \u00bfPuede la API de audio OpenAI convertir texto en voz?<\/h3>\n\n\n\n
      S\u00ed. El punto final de voz acepta texto, un modelo y una voz, y devuelve audio. Con gpt-4o-mini-tts, tambi\u00e9n puedes proporcionar instrucciones sobre la interpretaci\u00f3n, como el tono y el ritmo. El formato de salida predeterminado es MP3.<\/p>\n\n\n\n
      \u00bfQu\u00e9 modelo deber\u00eda utilizar para una nueva aplicaci\u00f3n de transcripci\u00f3n?<\/h3>\n\n\n\n
      La gu\u00eda de transcripci\u00f3n de archivos actual de OpenAI recomienda utilizar gpt-transcribe para el habla grabada en general. Consulta por separado los requisitos espec\u00edficos, como las marcas de tiempo de las palabras, los formatos de subt\u00edtulos o las etiquetas de los hablantes, ya que la compatibilidad var\u00eda seg\u00fan el modelo.<\/p>\n\n\n\n
      \u00bfVan a retirar Whisper?<\/h3>\n\n\n\n
      OpenAI anuncia que su modelo de API \u00abWhisper-1\u00bb alojado dejar\u00e1 de estar disponible el 26 de febrero de 2027, junto con tres modelos de transcripci\u00f3n GPT-4o m\u00e1s antiguos. Se trata de la retirada de un modelo de API, no de un comunicado en el que se anuncie que todo el software Whisper o todos los servicios de audio de OpenAI vayan a dejar de funcionar.<\/p>\n\n\n\n
      \u00bfLa traducci\u00f3n de audio devuelve audio hablado?<\/h3>\n\n\n\n
      No. El punto final de traducci\u00f3n de archivos devuelve texto en ingl\u00e9s a partir del habla grabada. Para generar voz traducida, necesitas un paso adicional de generaci\u00f3n de voz o un servicio espec\u00edfico de traducci\u00f3n de voz.<\/p>\n\n\n\n
      \u00bfPuedo utilizar la API de audio para un asistente de voz en directo?<\/h3>\n\n\n\n
      Se pueden combinar la transcripci\u00f3n, un modelo de texto y la generaci\u00f3n de voz en un asistente de voz, pero la gesti\u00f3n de turnos en tiempo real requiere un dise\u00f1o adicional. OpenAI recomienda GPT-Live como punto de partida para nuevas aplicaciones de voz conversacionales; adem\u00e1s, documenta una API en tiempo real independiente.<\/p>\n\n\n\n
      \u00bfCuenta GlobalGPT con una API de audio?<\/h3>\n\n\n\n
      S\u00ed. La descripci\u00f3n general de la API de GlobalGPT detalla la generaci\u00f3n de audio a trav\u00e9s de su punto final de tareas, adem\u00e1s de la generaci\u00f3n de im\u00e1genes y v\u00eddeos. Su punto final de modelos muestra los identificadores y los precios de los modelos. Comprueba la disponibilidad y los par\u00e1metros del modelo elegido antes de enviar una solicitud.<\/p>\n\n\n\n
      \u00bfEs la API de audio de GlobalGPT id\u00e9ntica a la de OpenAI?<\/h3>\n\n\n\n
      En ellos se describen diferentes rutas de audio: OpenAI ofrece puntos finales de audio espec\u00edficos, mientras que GlobalGPT canaliza la generaci\u00f3n de audio a trav\u00e9s de su API de tareas. Utiliza los identificadores de modelo y los campos de solicitud del proveedor seleccionado; la compatibilidad de los puntos finales de OpenAI y la compatibilidad con voz en directo deben verificarse por separado.<\/p>\n\n\n\n
      Incorporar funciones de audio en una aplicaci\u00f3n de IA m\u00e1s amplia<\/h3>
      Explora la API de GlobalGPT para tareas relacionadas con el audio, el chat, las im\u00e1genes y el v\u00eddeo. Consulta el cat\u00e1logo de modelos y las tarifas, y empieza por la tarea que m\u00e1s necesiten tus usuarios.<\/p>
      Explora la API GlobalGPT \u2192<\/a><\/p>
      Abre tu espacio de trabajo GlobalGPT<\/a><\/p><\/div>\n\n\n\n