Tu agente de voz con OpenAI tiene tres fechas de apagado en siete semanas: 6 de enero, 20 de enero y 26 de febrero de 2027

Si tu empresa tiene un bot que contesta el teléfono, un sistema que transcribe las llamadas de ventas o un aviso que lee mensajes en voz alta, y lo construyeron sobre la API de OpenAI, probablemente usa alguno de los modelos que se apagan entre enero y febrero de 2027. OpenAI los anunció en tres tandas a lo largo del año y quedaron en una ventana de siete semanas:

• 6 de enero: texto a voz (tts-1, tts-1-hd, gpt-4o-mini-tts).
• 20 de enero: voz en tiempo real y audio (gpt-realtime, gpt-audio, gpt-4o-realtime, gpt-4o-audio y sus versiones mini).
• 26 de febrero: transcripción (whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe y gpt-4o-transcribe-diarize).

Ya dimos el calendario general de retiros de OpenAI y Anthropic en octubre. Esta nota se enfoca en la voz porque ahí la migración tiene trampas que no aparecen en los modelos de texto: endpoints que cambian, un reemplazo que también se retira y una función que podría no tener sustituto directo.

Fuente: página de retiros de la API de OpenAI (developers.openai.com/api/docs/deprecations), consultada el 26 de octubre de 2026.

Trampa 1: el texto a voz no es cambiar una palabra

El reemplazo que OpenAI indica para tts-1 es gpt-realtime-2.1-mini. Pero según su ficha, ese modelo no funciona en el endpoint de generación de voz (v1/audio/speech), que es justo el que usa una integración típica de tts-1: mandas un texto, recibes un archivo de audio. gpt-realtime-2.1-mini solo trabaja a través del endpoint de tiempo real (v1/realtime), por WebRTC, WebSocket o SIP.

En la práctica, si tu sistema genera audios para el menú del conmutador, lee confirmaciones de pedidos o convierte avisos a voz, hay que reescribir esa parte, no solo cambiar el nombre del modelo. Es la fecha más cercana, el 6 de enero, y cae en plena temporada de vacaciones de fin de año.

Trampa 2: saber quién habló

Muchos sistemas de calidad de llamadas y de minutas de reunión usan gpt-4o-transcribe-diarize, el modelo que, según su ficha, "identifica quién habla y cuándo". Sale el 26 de febrero. Sus reemplazos, gpt-transcribe (para archivos ya grabados) y gpt-live-transcribe (para audio en vivo), no mencionan separación de hablantes en sus fichas.

Eso no significa que no se pueda resolver, pero sí que no es un cambio directo. Si tu reporte de llamadas distingue lo que dijo el vendedor de lo que dijo el cliente, o si alimentas el CRM con objeciones por cliente, pide a tu proveedor una prueba con tus propias grabaciones antes de enero. Si evalúas alternativas, como el MAI-Transcribe de Microsoft que ya revisamos, pon la separación de hablantes en la lista de requisitos.

Lo que cuesta el reemplazo

Comparamos los precios de las fichas oficiales de cada modelo, consultadas el 26 de octubre de 2026, en dólares:

Tres lecturas:

• El agente de voz grande cuesta lo mismo en audio, pero la salida de texto sube 50%, de 16 a 24 dólares por millón. Si tu agente escribe resúmenes o registra datos en texto además de hablar, revisa la factura del primer mes. gpt-realtime-2.1 además permite ajustar el esfuerzo de razonamiento; OpenAI advierte que más esfuerzo puede subir la latencia y los tokens de salida.
• El mini es mucho más barato que el grande. Para un bot que solo toma recados, confirma citas o da horarios, vale la pena probarlo en lugar de migrar uno a uno.
• La transcripción de archivos baja de precio (de 0.006 a 0.0045 dólares por minuto), pero la transcripción en vivo cuesta casi cuatro veces más que la de archivos. Si no necesitas el texto mientras la llamada ocurre, transcribe al final.

OpenAI describe gpt-realtime-2.1 como una mejora en reconocimiento de números y letras, manejo de silencio y ruido, e interrupciones. Para un bot que toma números de pedido o RFC por teléfono, eso importa, pero conviene confirmarlo con llamadas reales en español.

Qué hacer este mes

1. Pregunta qué modelo y qué endpoint usa cada sistema de voz: el bot del conmutador, el transcriptor de llamadas, el generador de minutas, el que transcribe notas de voz de WhatsApp. Si lo hizo un proveedor, pide la respuesta por escrito.
2. Ordena por fecha. Texto a voz primero (6 de enero, y requiere cambio de endpoint), después tiempo real y audio (20 de enero), al final transcripción (26 de febrero).
3. Prueba con tus propias grabaciones: diez llamadas reales con ruido, acentos y números. Mide errores en nombres, montos y RFC, y si separas hablantes, que siga funcionando.
4. Revisa el presupuesto con los precios nuevos, sobre todo si tu agente genera mucho texto.
5. Deja la migración lista antes del 18 de diciembre. Con las vacaciones, el 6 de enero llega más rápido de lo que parece.

Contexto

OpenAI publicó estos retiros en su página oficial de deprecaciones: los de tiempo real y audio el 20 de julio de 2026, los de transcripción el 26 de agosto y los de texto a voz el 1 de octubre. Los precios y capacidades salen de las fichas de cada modelo en developers.openai.com, consultadas el 26 de octubre de 2026. OpenAI puede cambiar precios sin aviso largo, así que confírmalos antes de presupuestar.

La voz es donde las PyMEs mexicanas más han adoptado IA sin darse cuenta: un proveedor instaló el bot del conmutador o el sistema de análisis de llamadas, y nadie en la empresa sabe qué modelo hay detrás. Si el modelo se apaga, la llamada del cliente cae en silencio o en un mensaje de error. En desarrollo de software y automatización revisamos tus integraciones de voz, probamos los reemplazos con tus llamadas y hacemos la migración antes de las fechas.