A OpenAI lançou dois modelos de transcrição no mesmo anúncio, e a diferença entre eles é exatamente a diferença entre dois problemas que todo negócio com telefone tem.
O texto oficial é curto e diz o essencial: foram liberados o GPT Transcribe, para transcrição precisa de arquivos e para os transcritos finais de turnos já encerrados no Realtime, e o GPT Live Transcribe, para transcrição em streaming de baixa latência.
Dois modelos porque são dois trabalhos
Parece detalhe de documentação. Não é. São duas perguntas diferentes que um atendimento por voz precisa responder.
A primeira: o que foi dito naquela ligação? Aqui o áudio já acabou, o arquivo está fechado, e o que importa é acertar. Nome de rua, número de documento, sobrenome que ninguém escreve igual. Esse é o terreno do GPT Transcribe.
A segunda: o que está sendo dito agora? Aqui ninguém pode esperar o fim da frase. O agente precisa entender enquanto a pessoa fala, para responder no ritmo de uma conversa e não no ritmo de um formulário. Esse é o terreno do GPT Live Transcribe.
Até aqui, muita gente resolvia os dois com o mesmo modelo, e pagava o preço nos dois: ou latência demais na conversa ao vivo, ou precisão de menos no registro que vai virar cadastro.
O que muda na prática de quem opera
Se você tem um agente de voz atendendo, provavelmente há dois momentos distintos no seu fluxo e eles estão usando a mesma peça.
O momento vivo é a conversa: o cliente falando, o agente respondendo, a latência sendo sentida a cada turno. O momento frio é depois: a gravação virando resumo, o endereço indo para o CRM, o pedido virando registro.
Com dois modelos disponíveis, esses dois momentos podem parar de competir. O ao vivo otimiza para velocidade; o registro otimiza para acerto.
A parte honesta
O próprio anúncio não promete milagre, e vale repetir o que ele diz: transcrição em streaming exige conexão contínua e não elimina a latência por completo. Baixa latência não é latência zero.
Na prática isso significa que a arquitetura continua importando. Um agente que depende de streaming precisa de um plano para quando a rede oscila — e esse plano é decisão de projeto, não de modelo.
O que fazer com isso esta semana
A checagem é curta. Abra o seu fluxo de voz e responda: qual modelo está transcrevendo o ao vivo, e qual está transcrevendo o arquivo depois? Se a resposta for "o mesmo", existe uma escolha na mesa que antes não existia.
Depois disso, olhe onde a imprecisão custa mais caro no seu negócio. Costuma ser o campo que alimenta um cadastro — endereço, telefone, nome. É nesse ponto que trocar o modelo do lado frio paga primeiro.
Fonte: OpenAI — API Changelog, developers.openai.com/api/docs/changelog
Uma observação honesta: não existe multiplicador universal. O resultado depende do seu setor, do seu ticket, de quanto do seu volume é urgente e de quanto é pesquisa de preço. Quem promete um número fixo de retorno está vendendo, não calculando.