OpenAI发布新一代语音模型,让AI智能体语音表达更自然

业界
2025
03/21
14:01
IT之家
分享
评论

3月21日消息,OpenAI昨日(3月20日)发布博文,宣布推出语音转文本(speech-to-text)和文本转语音(text-to-speech)模型,提升语音处理能力,支持开发者构建更精准、可定制的语音交互系统,进一步推动人工智能语音技术的商业化应用。

在语音转文本模型上,OpenAI主要推出了gpt-4o-transcribe和gpt-4o-mini-transcribe两个模型,官方表示在单词错误率(WER)、语言识别和准确性上超越现有Whisper系列。

这两个模型支持超100种语言,主要通过强化学习和多样化高质量音频数据集训练,能捕捉细微语音特征,减少误识别,尤其在嘈杂环境、口音及不同语速下表现更稳定。

在文本转语音上,OpenAI最新推出了gpt-4o-mini-tts模型,开发者通过“模拟耐心客服”或“生动故事叙述”等指令,控制语音风格,可以应用于客服(合成更具同理心的语音,提升用户体验)和创意内容(为有声书或游戏角色设计个性化声音)方面。

IT之家援引博文介绍,附上三款模型费用如下:

gpt-4o-transcribe:音频输入每100 万tokens费用6美元、文本输入每100万tokens费用2.5美元,输出每100万tokens费用10美元,每分钟成本0.6美分。

gpt-4o-mini-transcribe:音频输入每100万tokens费用3美元、文本输入每100万tokens费用1.25美元,输出每100万tokens费用5美元,每分钟成本0.3美分。

gpt-4o-mini-tts:每100万tokens输入费用为0.60美元,每100万tokens输出费用为12美元,每分钟成本1.5美分。

【来源:IT之家

THE END
广告、内容合作请点击这里 寻求合作
OpenAI
免责声明:本文系转载,版权归原作者所有;旨在传递信息,不代表砍柴网的观点和立场。

相关热点

北京时间3月19日,据彭博社报道,OpenAI规模为1000亿美元的“星际之门”基础设施计划的首个数据中心综合体可容纳多达40万个英伟达强大AI芯片。
业界
北京时间3月17日,百度在上周日发布了文心大模型4.5和推理模型X1,再次引起了美国媒体对于大模型成本的关注。
业界
3月12日消息,据报道,OpenAI发布了专为构建AI Agents设计的新工具和API。
业界
北京时间3月12日,据路透社报道,OpenAI在周二推出了新的开发者工具,帮助开发者利用几个应用程序接口(API)构建先进的AI代理,以应对来自中国AI创业公司日益激烈的竞争。
业界
3 月 10 日消息,在 AI 时代如何证明你才是人类?OpenAI 创始人萨姆・奥尔特曼的新初创公司 World Network 希望探寻这个问题的答案。
业界

相关推荐

1
3