好意思东时代周四，OpenAI举行了一场重磅的技巧直播少女 自慰，发布了三款全新语音模子：语音转文本模子GPT-4o Transcribe和GPT-4o MiniTranscribe，以及文本转语音模子GPT-4o MiniTTS。
有毒吗OpenAI宣称，这些模子在之前版块的基础上取得了显着的逾越，也象征着OpenAI距离其“AI智能体（AI AGENT）”的愿景更进一步。
更传神的语音生成模子
OpenAI宣称，其新的文本到语音模子GPT-4o MiniTTS不仅能提供更空洞入微、听起来更传神的语音，而且比前一代语音合成模子更“可操控”。
树立东说念主员不错引导该模子怎样用当然语言讲话——举例，“像一个荒诞的科学家雷同讲话”、“像一个敷裕同理心的客服雷同讲话”或“像一个正念本分雷同使用安定的声息”。
OpenAI在其官网给出了六种不同的口吻示例
OpenAI居品东说念主员杰夫哈里斯 (Jeff Harris) 暗示，他们的主义是让树立者梗概定制语音“体验”和“环境”。
哈里斯暗示：“在不同的情况下，你想要的不会只是是一个凡俗、单调的声息…淌若你在客户营救体验中，你但愿这个声息抒发出犯错后的歉意少女 自慰，你不错让声息抒发出那种情谊……咱们的信念是，树立者和用户不仅想要信得过截止说什么，还想要截止奈何说。”
语音转翰墨模子准确率大幅进步
至于OpenAI的新语音转文本模子“GPT-4o-transcript”和“GPT-4o-mini- transcript”，它们的准确度显着高于 OpenAI之前发布的语音转文本模子Whisper，并在多种语言中杀青更低的词颠倒率 (WER)。
新模子在多种语言中的颠倒率齐显着更低
OpenAI宣称，历程“种种化、高质地音频数据集”的现实，新模子不错更好地捕捉口音和不同的语音，即使在错杂的环境中亦然如斯。
OpenAI还暗示，新模子在职责中产生幻觉的概率也裁减了。哈里斯补充说念。人所共知，Whisper可爱在谈话中虚拟词汇，以至整段翰墨，而“新模子在这方面比Whisper有了很大的纠正。”
哈里斯暗示：“确保模子的准确性关于获取可靠的语音体验至关进击，（在这种情况下）准确性意味着模子准确地听到了单词，（何况）莫得填写他们莫得听到的细节。”
固然，模子的准确率和其被转录的语言有较大关连。
证据OpenAI的里面基准测试，GPT-4o-transcribe是两种新转录模子中更准确的一种，其在英语、西班牙语中的单词颠倒率仅有2%傍边，在普通话中的颠倒率为7%傍边，而在印度语和达罗毗荼语系（如泰米尔语、泰卢固语等）中，其“单词颠倒率”仍接近30%，这意味着模子中每10个单词中就有3个与这些语言的东说念主类转录不同。
距离AI智能体更进一步
OpenAI宣称，这些模子适合其更普通的“AI智能体（AI AGENT）”的愿景：构建梗概代表用户孤苦完成任务的自动化系统。
尽管“智能体（Agent）”的界说可能存在争议，但OpenAI的居品专揽奥利维尔·戈德曼（Olivier Godement）将一种证明态状为不错与企业客户交谈的聊天机器东说念主。
“在接下来的几个月里，咱们会看到越来越多的AI智能体出现，”戈德蒙德暗示，“因此，总的主题是匡助客户和树立者行使有效、可用和准确的智能体。”
与传统不同的是，OpenAI并不缠绵公开其新的转录模子。该公司此前在麻省理工学院的许可下发布了用于贸易用途的新版Whisper。
哈里斯暗示，GPT- 4o -transcribe和GPT- 4o -mini-transcribe“比Whisper大得多”，因此不得当公树立布。
“它们不是那种能在条记本电脑上腹地运转的模式少女 自慰，比如Whisper那种，”他接续说说念，“咱们想确保，淌若咱们以开源式样发布东西，咱们是历程三念念尔后行的，咱们有一个信得过针对特定需求的模子。”