(EUROPA PRESS) La inteligencia artificial sigue ampliando sus capacidades para facilitar el trabajo con contenidos de voz. OpenAI presentó dos nuevos modelos especializados en transcripción de audio que buscan mejorar la precisión en conversaciones en tiempo real y en archivos grabados. Una función cada vez más utilizada en reuniones virtuales, entrevistas, clases y creación de contenidos.
Los nuevos sistemas, denominados GPT-Live-Transcribe y GPT-Transcribe, fueron desarrollados específicamente para transformar voz en texto con mayor rapidez y precisión. La diferencia entre ambos radica en su uso. Mientras el primero está pensado para transcribir conversaciones en vivo con baja latencia, el segundo se orienta al procesamiento de archivos completos y tareas por lotes.
Entre las principales novedades destaca una mejor comprensión del contexto de las conversaciones. Según OpenAI, ambos modelos son capaces de interpretar con mayor precisión diferentes idiomas, acentos, números, frases breves y terminología especializada. Incluso cuando el audio presenta ruido de fondo o condiciones poco favorables.
En el caso de GPT-Live-Transcribe, la plataforma incorpora una función que utiliza automáticamente fragmentos previamente transcritos para comprender mejor el desarrollo de una conversación. Esto permite mantener la coherencia durante sesiones prolongadas y reducir errores cuando cambian los interlocutores o aparecen conceptos repetidos.
Las pruebas realizadas por OpenAI también muestran que proporcionar información previa —como el idioma esperado o el tema de una reunión— incrementa la calidad de la transcripción. En las evaluaciones internas de reconocimiento contextual, GPT-Live-Transcribe elevó su precisión semántica desde un 38,5 % hasta un 44,6 %, mientras que GPT-Transcribe pasó de un 41,6 % a un 45,2 % cuando disponía de ese contexto adicional.
Más precisión para reuniones y contenidos de voz
Los avances también se reflejan en el rendimiento sobre audios reales. GPT-Live-Transcribe registró una tasa de error de transcripción del 9,60 %, mejorando el 11,65 % obtenido por GPT-Realtime-Whisper, el modelo anterior de OpenAI para transcripción en vivo.
Por su parte, GPT-Transcribe alcanzó una tasa de error del 8,98 %, una reducción significativa frente al 15,21 % de Whisper-1, el primer modelo de la compañía diseñado para convertir voz en texto. Estas cifras apuntan a una evolución importante para quienes utilizan herramientas de transcripción en ámbitos profesionales, educativos o periodísticos.
Los resultados también fueron evaluados por el laboratorio independiente Artificial Analysis, que otorgó a GPT-Transcribe una tasa de error de palabras del 3,31 %. Con este desempeño, el modelo pasa a ser el más preciso desarrollado hasta ahora por OpenAI para esta tarea, aunque todavía queda ligeramente por detrás de algunas alternativas del mercado, como Voxtral Small, de Mistral, y Gemini 3.1 Pro, de Google, ambos con una tasa cercana al 2,8 %.
OpenAI informó además que GPT-Transcribe tendrá un coste de 4,50 dólares por cada mil minutos procesados. Con este lanzamiento, la compañía refuerza su apuesta por herramientas de inteligencia artificial orientadas a mejorar la productividad y la automatización de tareas basadas en voz, un segmento que continúa creciendo a medida que aumentan las reuniones virtuales, la generación de contenido y el uso de asistentes inteligentes.
