提交您的產品 
Ai應用
Ai資訊
AI生圖
AI生視頻
AI數字人系統OpenAI 發布了三款全新語音模型，包括兩款語音轉文本模型以及一款文本轉語音模型
2025 年 3 月 20 日，Openai 發布了三款全新的語音模型，包括兩款語音轉文本模型（GPT-4o-transcribe 和 GPT-4o-mini-transcribe）以及一款文本轉語音模型（GPT-4o-mini-tts）。
語音轉文本模型
GPT-4o-transcribe：該模型經過多樣化、高質量音頻數據集的長時間訓練，能夠更好地捕捉語音的細微差別，減少誤識別，大幅提升轉錄可靠性。它適用于處理口音多樣、環境嘈雜、語速變化等復雜場景，例如客戶呼叫中心和會議記錄轉錄等領域。
GPT-4o-mini-transcribe：這是 GPT-4o-transcribe 的精簡版本，速度更快、效率更高。雖然其單詞錯誤率（WER）稍高于完整版模型，但仍優于原有的 Whisper 模型，更適合資源有限但需要高質量語音識別的應用場景。
文本轉語音模型
GPT-4o-mini-tts：這款模型首次支持“可引導性”（steerability），開發者不僅可以指定模型“說什么”，還能控制“怎么說”，例如可以預設語音風格為“平靜”“沖浪者”“專業的”“中世紀騎士”等，還能根據指令調整語音風格，如“像富有同情心的客服 Agent 一樣說話”。
技術創新
使用真實音頻數據集進行預訓練，優化模型性能。
增強的蒸餾方法，實現從大模型到小模型的知識轉移。
強化學習，提升轉錄精度并減少“幻覺”現象。
應用場景
呼叫中心：提供更準確的語音識別和更自然的語音合成，提升客戶服務體驗。
會議記錄：快速準確地將會議語音內容轉錄為文本。
個性化客服：通過語音風格的定制，提供更具溫度和表現力的語音體驗。
創意故事講述：為故事添加生動的語音效果。
定價
GPT-4o-transcribe 的價格與之前的 Whisper 模型相同，每分鐘 0.006 美元。
GPT-4o-mini-transcribe 的價格為每分鐘 0.003 美元。
GPT-4o-mini-tts 的定價為每分鐘 1 美分。
OpenAI 語音模型網站：OpenAI.fm，網站提供了豐富的預設模板，包括人設、語氣、方言、發音等設置。用戶可以在此體驗并制作 GPT-4o-mini-tts 的相關音頻。此外，OpenAI 還提供了升級版的 Agent SDK，幫助開發者更便捷地構建語音智能體。
官方網站：http://openai.fm/
官方博客：https://openai.com/index/introducing-our-next-generation-audio-models/
