Hecho para agentes de voz que no pueden esperar 600ms

OpenAI: GPT Live Transcribe

openai/gpt-live-transcribe
activo stt 1 proveedor
Playground

OpenAI's recommended default for live speech-to-text, with tunable latency (delay levels) and context hints, streaming only.

AutorOpenAI
Idiomasmultilingual
Estadoactivo

Proveedores

Distintos proveedores pueden alojar el mismo modelo. Elige un proveedor cuando necesites un backend fijo, o deja que el enrutamiento elija entre ellos.

ProveedorSlugPor horaLatenciaiEn TTS, la latencia se mide como el tiempo hasta el primer byte de audio. En STT, se mide como el tiempo hasta el primer token.ModosDisponibilidad
OpenAI 2 parámetros
openai
$1,02
—
Streaming

Idiomas admitidos

Todavía no hay una lista de idiomas revisada para este modelo.

Funciones

Speech to text

Transcribes spoken audio to text.

speech_to_text
Streaming

Real-time transcription over the WebSocket Realtime API.

streaming
Multilingual transcription

Multilingual transcription with automatic language detection.

multilingual_transcription
Tunable latency

The delay parameter trades latency against accuracy: minimal, low, medium, high, or xhigh.

tunable_latency
Context hints

Steers transcription with prompt (free-form context about the recording), keywords (literal terms that may appear in the audio, e.g. product names), and languages (expected ISO 639-1 codes).

context_hints

Código

Cliente
Modo
Lenguaje

STT en streaming con el ElevenLabs SDK

Transmite audio del micrófono o de un archivo a través de la ruta de AllModels compatible con ElevenLabs.

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const connection = await client.speechToText.realtime.connect({
  modelId: "openai/gpt-live-transcribe",
  languageCode: "en"
}, {
  queryParams: {
    provider: {
      "only": [
        "openai"
      ]
    }
  }
});

// Send audio frames to connection, then handle transcript events.