💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
OpenAI推出新一代音频模型，具备语音转文本和文本转语音功能，显著提升转录精度和语音风格控制，适用于多种应用场景。该模型在多语言测试中表现优异，定价合理，旨在提升开发者体验和语音交互的情感表达。
🎯
关键要点
- OpenAI推出新一代音频模型，包含语音转文本和文本转语音功能。
- gpt-4o-transcribe显著降低单词错误率，优于现有Whisper模型。
- gpt-4o-mini-transcribe是gpt-4o-transcribe的精简版，速度更快、效率更高。
- gpt-4o-mini-tts首次支持可引导性，开发者可控制语音风格。
- 新模型在多语言测试中表现优异，尤其在英语和西班牙语上。
- 定价方面，gpt-4o-transcribe每分钟0.006美元，gpt-4o-mini-transcribe每分钟0.003美元。
- gpt-4o-mini-tts的定价为每分钟0.015美元，支持多种语音风格。
- OpenAI采用真实音频数据集进行预训练，提升语音识别精度。
- 新模型支持语音流式处理和噪音消除功能，提升语音清晰度。
- OpenAI推出的音频模型已向全球开发者开放，提供多项增强功能。
- OpenAI举办广播比赛，鼓励用户创作音频并分享。
- AI领域正在强调情感，语音交互的情感表达变得更加重要。
- OpenAI的新模型和Meta Llama 4都在向更自然的情感交互靠拢。
❓
延伸问答
OpenAI新发布的音频模型有哪些主要功能？
OpenAI新发布的音频模型包括语音转文本和文本转语音功能，显著提升转录精度和语音风格控制。
gpt-4o-transcribe与Whisper模型相比有什么优势？
gpt-4o-transcribe的单词错误率显著降低，优于现有的Whisper模型，适合处理多样化的口音和环境噪音。
gpt-4o-mini-tts的定价是多少？
gpt-4o-mini-tts的定价为每分钟0.015美元。
新模型在多语言测试中的表现如何？
新模型在多语言测试中表现优异，尤其在英语和西班牙语上超越了现有的Whisper v2和v3模型。
OpenAI的新音频模型如何提升语音识别精度？
新音频模型采用真实音频数据集进行预训练，并融入强化学习技术，显著提升转录精度。
OpenAI举办的广播比赛有什么内容？
OpenAI举办的广播比赛鼓励用户创作音频并分享，最具创意的前三名将获奖。
➡️
