Gracias a estas herramientas, las transcripciones serán más coherentes y precisas, al reducir los errores causados por palabras ambiguas.
OpenAI anunció el lanzamiento de dos nuevos modelos de inteligencia artificial (IA) especializados en el procesamiento de voz. Estas herramientas fueron desarrolladas para mejorar la transcripción de conversaciones, tanto en tiempo real como a partir de archivos de audio procesados por lotes.
La compañía, creadora de ChatGPT, informó a través de su cuenta para desarrolladores en X la disponibilidad de GPT-Live-Transcribe, pensado para transcripciones de baja latencia en tiempo real, y GPT-Transcribe, diseñado para convertir archivos de audio completos en texto mediante procesamiento por lotes asíncrono.
Según OpenAI, ambos modelos ofrecen una comprensión más precisa del contexto de las conversaciones, lo que les permite generar transcripciones de mayor calidad. Además, mejoran el reconocimiento de distintos acentos e idiomas, identifican con mayor precisión frases cortas, números y términos especializados, e incluso mantienen un buen desempeño en entornos con ruido de fondo.
Una de las principales características de GPT-Live-Transcribe es que puede utilizar automáticamente transcripciones previas como contexto para mejorar la precisión de los resultados durante una conversación en curso.
OpenAI también compartió los resultados de sus pruebas internas de reconocimiento automático de voz con contexto (Context Aware ASR). De acuerdo con la compañía, incorporar información adicional —como el idioma esperado o el tema de una reunión— aumenta significativamente la precisión semántica de las transcripciones.
En el caso de GPT-Live-Transcribe, la precisión pasó del 38,5 % al 44,6 %, mientras que GPT-Transcribe mejoró del 41,6 % al 45,2 %. Esto demuestra que proporcionar contexto ayuda a ambos modelos a interpretar mejor el contenido, ya sea durante una conversación en vivo o al procesar un audio previamente grabado.
Los resultados también muestran avances en el rendimiento con audios del mundo real. GPT-Live-Transcribe registró una tasa de error del 9,60 %, una mejora frente al 11,65 % obtenido por GPT-Realtime-Whisper, la anterior solución de transcripción en vivo de OpenA
