OpenAI在AI领域再度引发轰动，近日宣布推出其全新语音转文本（Speech-to-Text）及文本转语音（Text-to-Speech）模型，即gpt-4o-transcribe和gpt-4o-mini-transcribe，旨在大幅度的提高语音处理的能力与准确性。这两款模型的发布，不仅象征着语音技术在商业化应用上的进一步加速，更为开发者们搭建了一个高效而灵活的语音交互系统。

　　在语音转文本的赛道上，gpt-4o系列的推出让人眼前一亮。与之前的Whisper系列相比，这两款新模型在单词错误率、语言识别精度与整体准确性方面横跨了几个等级。官方多个方面数据显示，gpt-4o系列支持百余种语言，通过强化学习和丰富的高质量音频数据集训练，成功捕捉语音中的微小特征，明显降低误识别的情况，尤其在嘈杂环境、不同口音以及快速语速中，表现得尤为出色。开发者们终于能构建出更精准、适应性十足的语音交互应用，涵盖智能客服、智能家居到无人驾驶等多个领域。

　　文本转语音领域也迎来了gpt-4o-mini-tts的强劲助攻。这款新模型赋予开发者无限创造的可能性，只需几个简单的指令，例如“模拟耐心客服”或“生动故事叙述”，便可定制语音风格与语调。从而为客服领域带来了巨大的潜力，能够生成更具同理心的声音，提升使用者真实的体验。除此之外，它也为创意内容制作，比如有声书录制或游戏角色配音，打开了全新的大门。

　　为帮助开发者更好地利用这些尖端技术，OpenAI详细公布了各模型的费用：gpt-4o-transcribe在处理音频输入时的费用为每100万tokens仅6美元，而gpt-4o-mini-transcribe则更加亲民，以每音频输入3美元起。而在文本转语音方面，gpt-4o-mini-tts模型依据输入与输出计费，价格也相对合理，极具吸引力。

　　OpenAI这次的部署不仅体现了其深厚的技术积累与创新实力，也为整个行业树立了新的标杆。随着这些模型的持续优化与推广，人工智能语音技术将在更多行业发挥不可小觑的及其重要的作用，加速推动社会与产业的进步。返回搜狐，查看更加多