C114通信网  |  通信人家园

人工智能
2025/3/21 13:39

OpenAI 发布新一代语音模型,让 AI 智能体语音表达更自然

IT之家  故渊

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。

给作者点赞
0 VS 0
写得不太好

免责声明:本文仅代表作者个人观点,与C114通信网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

热门文章
    最新视频
    为您推荐

      C114简介 | 联系我们 | 网站地图 | 手机版

      Copyright©1999-2025 c114 All Rights Reserved | 沪ICP备12002291号

      C114 通信网 版权所有 举报电话:021-54451141