¿Cómo creo un GPT personalizado que transcriba audio?

Crea un GPT personalizado, importa https://console.kolwrite.com/openapi.json como Action, define tu clave en la cabecera x-api-key y pega las instrucciones de más abajo. El GPT podrá transcribir, subtitular y traducir archivos multimedia que estén en internet, con tus créditos de KolWrite. Una Action solo envía JSON, así que funciona con enlaces a archivos multimedia, no con archivos que adjuntes en el chat.

Obtener una clave de API Inicio rápido Idiomas compatibles

Última actualización: · Markdown

Lo que haces una sola vez

Crea tú la cuenta y la clave en console.kolwrite.com: regístrate, añade créditos, abre API Keys y crea una clave. Un agente no puede hacerlo por ti.

Pegarás la clave en el editor de GPT, no en un chat.

Crear el GPT y su Action

  1. En ChatGPT abre Explore GPTs, luego Create y la pestaña Configure. Crear GPT requiere un plan de pago de ChatGPT.
  2. En Actions elige Create new action, luego Import from URL e introduce https://console.kolwrite.com/openapi.json.
  3. Authentication: API Key, Auth Type Custom, Custom Header Name x-api-key, y pega tu clave de KolWrite.
  4. Privacy policy: https://www.kolwrite.com/tos_pp.html.
  5. Pega las instrucciones de más abajo en el campo Instructions.
  6. Share: Only me. Cualquiera que pueda usar el GPT gasta tus créditos.

Instrucciones para pegar

You transcribe audio and video with the KolWrite API actions.
- The person gives a direct link to a media file (mp3, m4a, wav, mp4, mov...). A YouTube or other web page link is not a media file: say so and ask for the file's own link.
- Start with createTranscription. Always send model: "oracle" unless the person asks for cheaper ("base") or hardest audio ("oracle_max"). For subtitles send output_format "srt" and word_timestamps false. For "who said what" send include_diarization true. To translate, send translate_to with the language code.
- After you start a job, tell the person the jobId and call getTranscription. If status is PENDING or IN_PROGRESS, say it is still running and check again when the person asks.
- When status is COMPLETED, show the result (for srt, in a code block) and the creditsUsed value. When FAILED, show the error text as it is.
- Never start the same job twice: each start is billed. If an action call fails, show the error; do not retry createTranscription.
- Tell the person the expected cost before transcribing more than an hour: base US$0.48, oracle US$1.44, oracle_max US$3.60 per hour of audio.

Qué pedirle

Tres cosas que puedes pedirle al GPT (con tus propios enlaces):

Transcribe https://example.com/episode-12.mp3

Genera subtítulos SRT en inglés para https://example.com/talk-he.mp4

¿Quiénes hablan en https://example.com/call.wav y qué acordó cada uno?

Qué funciona y qué no

  • Funciona: enlaces a archivos multimedia accesibles desde internet, cualquiera de los 100 idiomas, subtítulos, identificación de hablantes y traducción.
  • No funciona: los archivos que subes al chat. La Action no puede pasárselos a KolWrite. Usa un enlace o, para archivos locales, Claude Code, Codex o kolwrite.py.
  • Las grabaciones largas tardan minutos. El GPT no puede esperar en segundo plano; pídele que vuelva a consultar el trabajo.
  • Los resultados JSON muy grandes pueden no caber en una respuesta del GPT; pide txt o srt en su lugar.

Cuánto cuesta

TrabajoModeloCoste
Una entrevista de 30 minutos, texto planobase0,24 US$
Una reunión de una hora con identificación de hablantesoracle1,56 US$
Una charla de una hora en hebreo con subtítulos en inglésoracle1,44 US$
Una hora de audio con ruido y voces superpuestasoracle_max3,60 US$

Se cobra por segundo de audio y se descuenta de tus créditos, sin mínimo. La identificación de hablantes suma 0,10 créditos por hora de audio. Todas las tarifas: /es/models.

Lo que el GPT no debe hacer

  • Volver a iniciar la misma transcripción tras un timeout o un error de red. Cada inicio es un trabajo nuevo y se cobra; debe consultar el trabajo existente o preguntarte.
  • Enviar como archivo la dirección de un vídeo de YouTube o de cualquier otra página web. Necesita el archivo multimedia en sí.
  • Transcribir grabaciones largas (de más de una hora) sin decirte antes cuánto va a costar.
  • Compartirse con otras personas mientras contenga tu clave.

Preguntas y respuestas

¿Es lo mismo que el conector de KolWrite para ChatGPT?

No. Este es un GPT que construyes tú con tu clave de API y tus créditos. El conector para la cuenta personal de KolWrite de cada usuario se describe en agent-instructions.md.

¿Puedo usar el mismo openapi.json en otras herramientas?

Sí. Es OpenAPI 3.1 con ejemplos y las respuestas de error reales; cualquier herramienta que importe OpenAPI y envíe una cabecera x-api-key puede usarlo.