---
title: "Alternativa a la API de Whisper: precisión, idiomas, precio"
description: "Cuándo conviene una alternativa alojada a la API Whisper de OpenAI: error por palabra con su audio, idiomas, precio por hora, límites y privacidad, con código."
url: https://broadrouter.com/es/blog/whisper-api-alternative/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/whisper-api-alternative/) (actualizado el 2026-11-15).

# Alternativa a la API de Whisper: cuándo cambiar y cómo probarla

Por el equipo de BroadNet Inference · 6 min de lectura · Publicado 2026-11-14 · Actualizado 2026-11-15

OpenAI clasifica whisper-1 como obsoleto, con cierre el 26 de febrero de 2027, así que todo usuario de la API de Whisper pasará a otro modelo. Elija el reemplazo por la tasa de error por palabra en 30 a 50 clips propios por idioma y luego por precio. BroadNet Transcribe acepta la misma llamada del SDK de OpenAI y cuesta $0.002 por minuto en 14 idiomas.

## Puntos clave

-   OpenAI lista whisper-1 a USD 0.006 por minuto, dice que admite 98 idiomas con una precisión que varía y lo marca como obsoleto, con cierre el 26 de febrero de 2027. Su reemplazo recomendado, gpt-transcribe, cuesta USD 0.0045 por minuto (consultado el 2026-11-15).
-   Muchas alternativas mantienen la misma llamada /v1/audio/transcriptions, así que cambiar es cuestión de la URL base y el modelo.
-   Un benchmark es un filtro, no un veredicto: el mismo modelo puede obtener un WER de 3.8 en árabe leído y de 23.4 en habla dialectal.
-   Las opciones propias de Whisper, como las marcas de tiempo de verbose\_json, pueden no existir en la alternativa. OpenAI documenta marcas de tiempo por palabra solo para whisper-1, así que compruébelo antes de migrar, incluso a gpt-transcribe.
-   BroadNet Transcribe cuesta $0.12 por hora de audio; BroadNet Transcribe Arabic cuesta $0.25.

**En esta página**

1.  ¿Se va a retirar la API Whisper de OpenAI?
2.  ¿Por qué buscan los equipos una alternativa a la API de Whisper?
3.  ¿Qué alternativas a la API de Whisper existen y cuánto cuestan?
4.  ¿Qué significan realmente las cifras de precisión?
5.  Cómo probar una alternativa a Whisper en una tarde
6.  ¿Cuándo conviene autoalojar Whisper?
7.  Lista de verificación para migrar
8.  Dónde encaja BroadNet Transcribe

La API Whisper de OpenAI es el punto de partida habitual de muchos equipos: un endpoint, un precio, decenas de idiomas. Uno busca una **alternativa a la API de Whisper** cuando ocurre una de cuatro cosas: la precisión con su audio no es suficiente, la factura crece con el volumen, su equipo de seguridad quiere que se conserven menos datos o el modelo que usa va a retirarse. Este artículo muestra cómo decidir y cómo probar una alternativa sin reescribir su código.

## ¿Se va a retirar la API Whisper de OpenAI?

Sí, según el calendario actual de OpenAI. Su [página de obsolescencias](https://developers.openai.com/api/docs/deprecations), consultada el 2026-11-15, marca como obsoletos `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` y `gpt-4o-transcribe-diarize`, con aviso el 26 de agosto de 2026 y cierre el 26 de febrero de 2027. El reemplazo recomendado es `gpt-transcribe` (USD 0.0045 por minuto, o USD 0.27 por hora) para archivos, o `gpt-live-transcribe` para audio en vivo. Su [página de precios](https://developers.openai.com/api/docs/pricing) marca como obsoletos los mismos cuatro modelos, y su [guía de voz a texto](https://developers.openai.com/api/docs/guides/speech-to-text) dice “Start with gpt-transcribe” (Traducción: «Empiece con gpt-transcribe»). El endpoint `/v1/audio/translations` también está obsoleto. Así que tendrá que volver a probar su audio con un modelo nuevo de todos modos, lo que convierte este momento en un buen momento para comparar el reemplazo de OpenAI con otros proveedores sobre los mismos clips.

Para el panorama completo, nuestro [índice abierto de precios de API de voz a texto](https://broadrouter.com/data/speech-to-text-api-prices/) lista precios por lotes y en streaming, incrementos de facturación y soporte de árabe de más de 20 productos, cada uno verificado con la página de precios del propio proveedor (CSV y JSON).

## ¿Por qué buscan los equipos una alternativa a la API de Whisper?

| Motivo | Qué comprobar en una alternativa |
| --- | --- |
| Precisión en un idioma o dialecto concreto | [Tasa de error por palabra](https://broadrouter.com/es/glossary/word-error-rate/) publicada en un conjunto de prueba relevante, y luego su propia prueba |
| Precio a gran volumen | Precio por hora de audio y mínimos de facturación |
| Retención de datos | Si se guardan el audio y las transcripciones, y durante cuánto tiempo |
| Límites | Tamaño de archivo, formatos, límites de frecuencia |
| Funcionalidades | Marcas de tiempo, diarización, prompts, streaming |

La [guía de voz a texto](https://developers.openai.com/api/docs/guides/speech-to-text) de OpenAI dice “Whisper supports 98 languages, but accuracy varies by language” (Traducción: «Whisper admite 98 idiomas, pero la precisión varía según el idioma»). Ese es el punto de partida honesto: la lista de idiomas indica lo que es posible, no lo que funciona bien.

## ¿Qué alternativas a la API de Whisper existen y cuánto cuestan?

| Opción | Precio (de lista, nov. 2026) | Idiomas | Notas |
| --- | --- | --- | --- |
| API Whisper de OpenAI (`whisper-1`) | USD 0.006/min | 98 (la precisión varía) | Archivos de 25 MB; prompts de hasta 224 tokens; cierra el 2027-02-26 |
| OpenAI `gpt-transcribe` | USD 0.0045/min (USD 0.27/hora) | Consulte la guía de OpenAI | Reemplazo recomendado por OpenAI; la guía de OpenAI muestra marcas de tiempo por palabra solo para `whisper-1` y etiquetas de hablante solo para el modelo diarize obsoleto |
| Groq, Whisper Large v3 | USD 0.111/hora | Multilingüe | Groq declara un WER del 10.3 %; mínimo de facturación de 10 segundos |
| Groq, Whisper Large v3 Turbo | USD 0.04/hora | Multilingüe | Groq declara un WER del 12 %; no entrenado para traducción |
| Soniox (asíncrono) | unos USD 0.10/hora, facturado por token | Más de 60, árabe incluido | API propia basada en trabajos, no compatible con OpenAI; en tiempo real, unos USD 0.12/hora |
| Whisper autoalojado | El costo de su GPU | Los mismos que Whisper | Licencia MIT; usted lo ejecuta y lo escala |
| [BroadNet Transcribe](https://broadrouter.com/es/models/cohere-transcribe/) | $0.002/min | 14 | No es Whisper; basado en Cohere Transcribe |
| [BroadNet Transcribe Arabic](https://broadrouter.com/es/models/cohere-transcribe-arabic/) | $0.0042/min | Árabe | BroadNet informa #2 de 37 (su cifra de septiembre de 2026; el tablero en vivo lo situaba en el #4 de 39 el 15 de noviembre de 2026) en el Open Universal Arabic ASR Leaderboard |

Los precios y las cifras de Groq se consultaron en las páginas oficiales el 2026-11-14; los de OpenAI se volvieron a consultar el 2026-11-15. `gpt-transcribe` de OpenAI cuesta más por hora que los dos modelos de BroadNet. El endpoint Turbo de Groq y Soniox cuestan menos por hora que BroadNet Transcribe ($0.12 la hora); Soniox requiere código de cliente nuevo porque no usa el formato de solicitud de OpenAI. Las cifras de WER de Groq son sus propios números publicados, no una prueba sobre un conjunto común con los demás, así que no las compare directamente con las de BroadNet. Esta página trata sobre el cambio; para la lista completa de precios, incluidos DeepSeek, AssemblyAI, Deepgram, Google, AWS y Speechmatics con los precios de sus complementos, consulte la [comparación de precios de voz a texto](https://broadrouter.com/es/blog/speech-to-text-api-pricing-compared/), y la [calculadora de costos de voz a texto](https://broadrouter.com/tools/speech-to-text-cost-calculator/) calcula el costo de sus horas mensuales.

## ¿Qué significan realmente las cifras de precisión?

BroadNet publica tres cifras de WER para BroadNet Transcribe Arabic en su [catálogo de modelos](https://www.broadnet.ai/inference/models):

| Conjunto de prueba | Tipo de audio | WER |
| --- | --- | --- |
| FLEURS-ar | Frases leídas con claridad | 3.8 |
| MASC-ar | Árabe real variado | 21.1 |
| Conjunto de dialectos de BroadNet | Habla dialectal | 23.4 |

En esos mismos conjuntos MASC y de dialectos, BroadNet informa para Whisper large-v3 31.5 y 31.8, frente a 21.1 y 23.4 de su modelo árabe: alrededor de un tercio menos de errores en MASC y alrededor de una cuarta parte menos en el conjunto de dialectos. Es una prueba de BroadNet sobre un competidor, así que compruébela con su audio. En el [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) público, que usa los mismos conjuntos de prueba para todos los participantes, Whisper large-v3 ocupaba el puesto 19 de 39 el 15 de noviembre de 2026 (WER medio de 36.86), y Cohere Transcribe Arabic 07-2026, el modelo que sirve BroadNet, el puesto 4 (24.19).

La lección está en la dispersión. El mismo modelo es casi perfecto con habla leída y mucho más débil con conversación. El WER principal de cualquier proveedor indica cómo le fue con el audio de otros. Los dialectos se tratan a fondo en [reconocimiento de voz en dialectos árabes](https://broadrouter.com/es/blog/arabic-dialect-speech-recognition/).

## Cómo probar una alternativa a Whisper en una tarde

1.  **Reúna de 30 a 50 clips por idioma** de tráfico real: llamadas, notas de voz, reuniones. Quite todo lo que no pueda compartir.
2.  **Escriba a mano transcripciones de referencia de 10 clips por idioma.**
3.  **Ejecute ambas API con los mismos clips.** Con proveedores compatibles con OpenAI, solo cambian el cliente y el modelo:

```python
import os
from openai import OpenAI

whisper = OpenAI()  # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def run(client, model, path, lang):
    with open(path, "rb") as f:
        return client.audio.transcriptions.create(model=model, file=f, language=lang).text

hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar")   # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
```

4.  **Puntúe con la misma normalización** para ambos, usando [jiwer](https://github.com/jitsi/jiwer):

```python
import re, jiwer

def norm(t):
    t = re.sub(r"[ً-ْ]", "", t)              # strip Arabic diacritics
    t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي")      # unify alef and yaa
    return re.sub(r"[^\w\s]", "", t).lower().strip()

print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
```

5.  **Lea usted mismo 20 transcripciones.** Revise números, nombres y términos de producto. Un modelo puede ganar en WER y aun así equivocarse en el número de cuenta.

## ¿Cuándo conviene autoalojar Whisper?

El código y los pesos de Whisper tienen licencia MIT, así que ejecutarlo usted mismo siempre es una opción. Tiene sentido cuando:

-   **El audio no puede salir de su red**, por motivos legales o contractuales.
-   **Su volumen mantiene ocupada una GPU** la mayor parte del día, de modo que no paga por horas inactivas.
-   **Necesita ajuste fino (fine-tuning)** con su propio vocabulario o acento.

Cuesta más de lo que parece cuando el tráfico tiene picos, cuando necesita alta disponibilidad en varias máquinas o cuando nadie del equipo quiere encargarse de los controladores y las actualizaciones de las GPU ([el cálculo del punto de equilibrio de las GPU](https://broadrouter.com/es/blog/self-hosting-llm-vs-api-cost/)). El README de openai/whisper también señala que el modelo turbo no está entrenado para traducción. Una API alojada convierte esos problemas en un precio por minuto, por eso la mayoría de los equipos empieza ahí y solo autoaloja cuando el volumen y los requisitos están claros.

## Lista de verificación para migrar

Cambiar la [URL base](https://broadrouter.com/es/glossary/base-url/) es lo fácil. Antes de mover el tráfico:

-   **Formatos.** OpenAI acepta flac, mp3, mp4, m4a, ogg, wav y webm. BroadNet acepta WAV y MP3, así que convierta antes los `.ogg` y `.m4a` con ffmpeg. Para grabaciones del navegador, consulte [grabar audio en el navegador y enviarlo a una API de voz a texto](https://broadrouter.com/es/blog/record-browser-audio-transcription-api/).
-   **Tamaño de archivo.** OpenAI limita las subidas a 25 MB; BroadNet, a 26,214,400 bytes (25 MiB).
-   **Campo de idioma.** Envíelo siempre. En BroadNet, el árabe sin `language=ar` puede volver en letras latinas.
-   **Parámetros opcionales.** Si depende de `prompt`, `verbose_json` o marcas de tiempo por palabra, confirme que la alternativa los admite. La documentación de BroadNet describe una respuesta JSON con `text`.
-   **Límites de frecuencia.** Las claves de pago por uso de BroadNet permiten 30 solicitudes por minuto y 4 a la vez.

La versión general de esta lista está en la [lista de verificación para migrar a una API compatible con OpenAI](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/).

## Dónde encaja BroadNet Transcribe

Elija BroadNet cuando le importe la precisión en árabe, cuando quiera que el audio y las transcripciones no se conserven ([retención cero de datos](https://broadrouter.com/es/privacy/)) o cuando $0.002 por minuto en 14 idiomas mejore su factura actual. El crédito inicial de $5 cubre unos 1,190 minutos de audio en árabe, suficiente para hacer la prueba anterior; [obtenga una clave en BroadNet Inference](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-whisper-api-alternative&utm_content=body). La [guía de voz a texto en árabe](https://broadrouter.com/es/guides/arabic-speech-to-text-api/) incluye ejemplos con curl y Python.

Quédese con los modelos de reemplazo de OpenAI, o con otro proveedor, si necesita alguno de los muchos idiomas que BroadNet no lista, traducción de voz, transcripción en vivo o prompts y pistas de palabras clave (la guía de OpenAI los documenta para `gpt-transcribe`). Para traducir grabaciones en árabe al inglés a partir de archivos, también funciona un pipeline de dos pasos: consulte [traducir audio en árabe al inglés](https://broadrouter.com/es/blog/translate-arabic-audio-to-english/). Para el precio más bajo en inglés, los endpoints alojados de Whisper Turbo cuestan menos por hora.

Herramientas gratuitas sobre este tema (en inglés)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Voz a texto (speech-to-text)](https://broadrouter.com/es/glossary/speech-to-text/)

La conversión de voz a texto, o reconocimiento automático del habla (ASR), transforma audio hablado en texto escrito. Una API de voz a texto recibe un archivo o stream de audio y devuelve una transcripción, normalmente cobrada por minuto. La precisión se mide con la tasa de error por palabra y varía según el acento, el dialecto y la grabación.

[Tasa de error por palabra (WER)](https://broadrouter.com/es/glossary/word-error-rate/)

La tasa de error por palabra (WER) es la medida estándar de precisión del reconocimiento de voz: el número de sustituciones, eliminaciones e inserciones de palabras necesarias para convertir una transcripción en la referencia correcta, dividido entre el número de palabras de la referencia. Cuanto más baja, mejor.

[Marcas de tiempo en voz a texto (timestamps)](https://broadrouter.com/es/glossary/timestamps-asr/)

Las marcas de tiempo en voz a texto son tiempos de inicio y fin, en segundos, asociados a partes de una transcripción. Las de segmento cubren una frase u oración; las de palabra cubren cada palabra. Se necesitan para subtítulos, para buscar dentro de grabaciones y para alinear el texto con los hablantes.

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

[Fine-tuning (ajuste fino)](https://broadrouter.com/es/glossary/fine-tuning/)

El fine-tuning (ajuste fino) es el proceso de seguir entrenando un modelo de lenguaje preentrenado con un conjunto de datos más pequeño y específico de una tarea, como conversaciones de ejemplo, para que sus pesos cambien y realice esa tarea o estilo con más fiabilidad sin necesitar instrucciones o ejemplos largos en cada prompt.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

## Preguntas frecuentes

### ¿Cuál es la mejor alternativa a la API Whisper de OpenAI?

La que tenga la menor tasa de error por palabra con su propio audio, a un precio que usted acepte. Para árabe, pruebe modelos creados para los dialectos árabes. Para inglés al menor precio, es difícil superar los endpoints alojados de Whisper Large v3 Turbo.

### ¿Hay una API de Whisper más barata?

Sí. OpenAI lista whisper-1 a USD 0.006 por minuto (obsoleto) y su reemplazo gpt-transcribe a USD 0.0045. Groq lista Whisper Large v3 a USD 0.111 por hora y Large v3 Turbo a USD 0.04 por hora, y BroadNet Transcribe cuesta $0.002 por minuto.

### ¿Puedo seguir usando el SDK de OpenAI con una alternativa a Whisper?

Con un proveedor compatible con OpenAI, sí. Cambie base\_url, la clave de API y el ID del modelo. Compruebe qué parámetros opcionales admite el proveedor, como prompt, response\_format y las marcas de tiempo.

### ¿Whisper funciona bien en árabe?

Whisper maneja el árabe estándar moderno mucho mejor que los dialectos conversacionales. OpenAI señala que la precisión varía según el idioma. Mida la tasa de error por palabra de cada dialecto con sus propias grabaciones antes de decidir.

### ¿Debería autoalojar Whisper?

El autoalojamiento tiene sentido cuando el audio no debe salir de su red o cuando su volumen mantiene ocupadas las GPU. El código y los pesos de Whisper tienen licencia MIT. Si no, una API alojada suele ser más barata que una GPU inactiva.

## Siga leyendo

-   [Transcribir audio largo de más de 25 MB: dividir, enviar y unir](https://broadrouter.com/es/blog/transcribe-long-audio-files-api/)
-   [Precios de API de voz a texto comparados: precio por minuto en 2026](https://broadrouter.com/es/blog/speech-to-text-api-pricing-compared/)
-   [API de voz a texto en árabe: cómo elegir una en 2026](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Voz a texto en dialectos árabes: Golfo, egipcio, levantino y magrebí](https://broadrouter.com/es/blog/arabic-dialect-speech-recognition/)
-   [Cambiar a una API compatible con OpenAI: lista de verificación](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/)
-   [Grabar audio en el navegador y enviarlo a una API de voz a texto](https://broadrouter.com/es/blog/record-browser-audio-transcription-api/)
-   [Traducir audio en árabe a texto en inglés por API: pipeline probado](https://broadrouter.com/es/blog/translate-arabic-audio-to-english/)
-   [Alternativas a Artificial Analysis: dónde comparar LLM en 2026](https://broadrouter.com/es/blog/artificial-analysis-alternatives/)
-   [SLA de APIs de LLM: qué prometen Azure, Bedrock, Google y OpenAI](https://broadrouter.com/es/blog/llm-api-sla-uptime-compared/)
-   [Guía: API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/)
-   [Guía: Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-whisper-api-alternative&utm_content=page-cta) ·

**Fuentes**

-   [Página del modelo BroadNet Transcribe Arabic: WER frente a Whisper large-v3 y ElevenLabs Scribe v2 (consultado el 2026-11-15)](https://www.broadnet.ai/es/inference/models/cohere-transcribe-arabic)
-   [Open Universal Arabic ASR Leaderboard, tabla en vivo (consultado el 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [OpenAI, guía de voz a texto (idiomas, límites de archivo, modelo recomendado; consultado el 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Precios de la API de OpenAI, transcripción (consultado el 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Obsolescencias de OpenAI, modelos de voz a texto (consultado el 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [openai/whisper en GitHub (licencia MIT, tamaños de modelo)](https://github.com/openai/whisper)
-   [Precios de Soniox e idiomas admitidos (consultado el 2026-11-14)](https://soniox.com/pricing)
-   [Documentación de voz a texto de Groq, precios de Whisper y WER declarado (consultado el 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Catálogo de modelos de BroadNet, voz a texto (mediciones de laboratorio)](https://www.broadnet.ai/es/inference/models)
-   [jiwer, paquete de Python para calcular el WER](https://github.com/jitsi/jiwer)
