Qué ha pasado
La página de retiradas lo dice tal cual: «El 26 de agosto de 2026 notificamos a los desarrolladores que usan whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe y gpt-4o-transcribe-diarize su retirada y su eliminación de la API el 26 de febrero de 2027». El reemplazo recomendado para los cuatro es gpt-live-transcribe o gpt-transcribe.
Los seis meses no son una cifra al azar. En esa misma página está la regla de la propia OpenAI: «Modelos de disponibilidad general: al menos 6 meses». Del 26 de agosto al 26 de febrero hay exactamente eso — o sea, te ha tocado el mínimo publicado, ni un día más.
Ninguno de los dos sucesores es nuevo: los dos salieron el 28 de julio, así que llevaban un mes en marcha cuando llegó el anuncio.
2026 JUL 28 llegan los sucesores
2026 AGO 26 cuatro modelos retirados
(mínimo publicado: 6 meses)
2027 FEB 26 se apagan los cuatro
Qué se rompe
Esto no es un cambio de nombre. Parte de lo que hacía whisper-1 sencillamente no está en el sucesor:
| Sobre qué lo montaste | Qué pasa con eso |
|---|---|
Subtítulos SRT y VTT (response_format) |
whisper-1 devolvía seis formatos, dos de ellos de subtítulos. OpenAI escribe en su propia guía de migración: «no des por hecho que el mismo response_format siga siendo válido. Quédate en Whisper para esos formatos». |
| Marcas de tiempo por palabra y por segmento | Necesitan verbose_json, que la guía también ata a whisper-1. La documentación de gpt-live-transcribe lo dice sin rodeos: «gpt-live-transcribe no devuelve marcas de tiempo por palabra, etiquetas de hablante ni puntuaciones de confianza de la transcripción». |
Traducción (/v1/audio/translations) |
Este endpoint tiene un único modelo compatible, whisper-1: «Solo whisper-1 (que funciona con nuestro modelo de código abierto Whisper V2) está disponible actualmente». En la ficha de gpt-transcribe, el endpoint de traducción figura como no compatible. Así que a partir del 26 de febrero de 2027 el endpoint entero se queda sin modelo. |
| Separar a los hablantes (diarización) | gpt-4o-transcribe-diarize era la respuesta a eso — y también está en la lista de retiradas, sin sucesor nombrado. |
El parámetro language |
Los modelos nuevos esperan un array languages, y enviar los dos juntos se rechaza. |
El campo prompt |
Antes significaba la continuación del fragmento de audio anterior; ahora es contexto en texto libre, y las expresiones literales tienen su propio campo keywords. |
Valores de confianza (logprobs) |
Estaban disponibles en los modelos antiguos; gpt-transcribe no aparece en la lista de modelos que los admiten. |
A cambio llega el streaming también en la subida de ficheros (whisper-1 no lo tenía), varias pistas de idioma a la vez y la devolución del idioma detectado.
La trampa de la guía de migración
Esta es la espina dorsal del artículo, y por sí sola cuenta cómo son de verdad las retiradas. La propia guía de migración de OpenAI, del 28 de julio, recomienda en cuatro casos que no migres:
- para subtítulos, «conserva whisper-1 si la integración depende de la salida nativa SRT o VTT»;
- para marcas de tiempo, «Marcas de tiempo: conserva un modelo y un formato de respuesta que admitan explícitamente marcas de tiempo por palabra o por segmento»;
- para traducción, «Traducción: conserva /v1/audio/translations con un modelo de traducción compatible»;
- para separación de hablantes, «Diarización de hablantes: usa gpt-4o-transcribe-diarize».
Cinco semanas después los cuatro modelos a los que apunta pasaron a retirada. La guía sigue sin reescribirse. Si la abriste a finales de julio y planificaste con ella, ahora te toca volver a planificar — y no porque la leyeras mal.
Cuánto cuesta el sucesor
| Modelo | Precio por minuto | Por hora |
|---|---|---|
whisper-1 (antiguo) |
$0,006 | $0,36 |
gpt-4o-transcribe (antiguo) |
$0,006 | $0,36 |
gpt-4o-mini-transcribe (antiguo) |
$0,003 | $0,18 |
gpt-transcribe (sucesor, fichero) |
$0,0045 | $0,27 |
gpt-live-transcribe (sucesor, en vivo) |
$0,017 | $1,02 |
Si vienes de whisper-1, eso es un 25% menos. Si usabas mini porque era la versión barata, es un 50% más — y no hay adónde ir, porque mini no tiene sucesor más barato.
Pongamos encima una carga real: cinco horas semanales de transcripción de reuniones, o sea unas 22 horas al mes. Son $7,92 al mes en whisper-1 y $5,94 en gpt-transcribe; quien venga de mini, en cambio, pasa de $3,96 a $5,94. Esas mismas horas en transcripción en vivo, en tiempo real, serían $22,44 — el directo no es un poco más caro, cuesta casi cuatro veces más que procesar después el audio grabado.
Para situarlo, este es el precio de tarifa de una hora de audio grabado en los competidores grandes: AssemblyAI Universal-2 $0,15, Azure batch $0,18, ElevenLabs Scribe v2 $0,22, Deepgram Nova-3 $0,26, OpenAI gpt-transcribe $0,27, Google Speech-to-Text standard $0,96. Así que, incluso después de abaratarse, el sucesor queda en la mitad de la tabla y no en cabeza.
Qué pasa con tu idioma
Aquí hay una carencia que conviene nombrar: OpenAI no publica lista de idiomas para los modelos nuevos. En whisper-1 estaban escritos los 98 idiomas admitidos; de los sucesores solo se describe el formato del código de idioma, y que la API rechaza un código que no admite. Con la documentación en la mano no puedes decir hasta qué punto aguantan el español o el húngaro — solo lo dirá una prueba con tu propio audio.
Si eso pesa en tu caso, hay dónde mirar. Modelos de pesos abiertos y descargables que nombran el húngaro de forma explícita: los de NVIDIA parakeet-tdt-0.6b-v3 (600M) y canary-1b-v2 (1B), ambos con licencia CC BY 4.0 y 25 idiomas europeos, el húngaro incluido — y Canary además traduce. Mistral Voxtral lista ocho idiomas, y el húngaro no está entre ellos. Entre los servicios alojados, ElevenLabs Scribe coloca tanto el español como el húngaro en su banda mejor, por debajo del 5% de tasa de error por palabra; AssemblyAI pone el español en la banda mejor y el húngaro en la segunda.
Y lo que tranquiliza a mucha gente: el Whisper descargable no desaparece. «El código y los pesos del modelo de Whisper se publican bajo la licencia MIT». La retirada solo afecta al endpoint alojado de OpenAI. Es más: el whisper-1 alojado se basaba, según la propia descripción de OpenAI, en Whisper V2, mientras que entre las versiones descargables públicamente ya están large-v3 y el acelerado turbo. Quien pagaba solo por comodidad se lleva una generación más nueva ejecutándolo en su máquina.
Qué hacer ahora
- Busca dónde aparecen esos cuatro nombres de modelo en lo tuyo. No solo en el código: también en automatizaciones, en flujos no-code y en la configuración de las herramientas de notas y de subtitulado. (Más información: gestión de retiradas de modelos en tus automatizaciones.)
- Anota qué formatos usas de verdad. Si el SRT o el VTT sigue camino hacia un editor de vídeo, o si la búsqueda dentro de la transcripción se apoya en marcas de tiempo por palabra, esto no es un cambio de precio, es pérdida de función — y tienes seis meses para sustituirla.
- Si separas hablantes, planifícalo ya. Para eso no hay sucesor nombrado. O te vas a otro proveedor, o a un modelo de pesos abiertos, o a un paso de diarización aparte.
- Mide, no supongas. Coge una grabación de diez minutos típica de tu material — en tu idioma, con el ruido y la jerga de siempre — y pásala por el modelo antiguo y por el sucesor. La tasa de error por palabra hay que mirarla en tu propio audio, porque no hay cifra publicada.
Más sobre el tema: transcripción y subtítulos con IA, y sobre qué hacer en general cuando retiran un modelo tuyo: cuando retiran tu modelo — allí están los pasos generales.
Malentendidos típicos
- «Whisper desaparece.» No. Desaparece el endpoint alojado
whisper-1. El Whisper de pesos abiertos sigue descargable con licencia MIT, y en versiones más nuevas que la alojada. - «El sucesor hace todo lo que hacía el antiguo.» No hace formatos de subtítulo, ni marcas de tiempo por palabra, ni traducción, ni separación de hablantes — al menos según la documentación.
- «Va a salir más barato para todos.» A quien venga de
miniel precio de tarifa le sube la mitad. - «Febrero queda lejísimos.» Aquí migrar no es cambiar un nombre de modelo: si además se va un formato o una marca de tiempo, eso toca la cadena de procesamiento. Eso no se reescribe en la última semana.
- «La transcripción en vivo cuesta más o menos lo mismo.» Casi cuatro veces más. Si no necesitas el texto al instante, procesar después el audio grabado es con diferencia el camino barato.
Lo que conviene llevarse
Una retirada no es noticia por sí sola: pasa con regularidad en todos los proveedores. La lección de este caso es más bien que el plazo de aviso no es lo mismo que el tiempo de preparación. Tienes seis meses para cambiar de modelo — pero si por el camino se van también un formato, una marca de tiempo o un endpoint, entonces no toca cambiar, toca rediseñar. Por eso compensa repasar ahora sobre qué se apoya tu proceso, y no cuando el modelo antiguo empiece a devolver errores. El asidero práctico es el de siempre: saber qué identificador de modelo corre en cada sitio, y tener un plan B probado para cada paso que importa.