OpenAI升级转录和语音生成AI模型_科学探索

创始人

2025-03-21 08:11:26

0次

OpenAI 正在为其 API 引入新的转录和语音生成 AI 模型，该公司声称这些模型比以前的版本有所改进。

对于 OpenAI 来说，这些模型符合其更广泛的代理愿景：构建能够代表用户独立完成任务的自动化系统。

代理的定义可能存在争议，但 OpenAI 产品负责人 Olivier Godement 描述了一种解释，即可以与企业客户交谈的聊天机器人。

Godement 在简报会上告诉 TechCrunch：未来几个月，我们将看到越来越多的代理出现。因此，总体主题是帮助客户和开发人员利用有用、可用且准确的代理。

OpenAI 声称，其新的文本转语音模型gpt-4o-mini-tts不仅可以提供更细致入微、听起来更逼真的语音，而且比上一代语音合成模型更可控。

开发人员可以指导 gpt-4o-mini-tts 如何用自然语言说话——例如，像疯狂的科学家一样说话或像正念老师一样用平静的声音说话。

OpenAI 产品人员杰夫哈里斯 (Jeff Harris) 告诉 TechCrunch，他们的目标是让开发人员定制语音体验和语境。

与传统不同的是，OpenAI 并不打算公开其新的转录模型。该公司过去曾根据 MIT 许可发布过 Whisper 的新版本，供商业使用。

哈里斯表示，gpt-4o-transcribe 和 gpt-4o-mini-transcribe比 Whisper 大得多，因此不适合公开发布。

「它们不是那种可以在笔记本电脑上本地运行的模型，就像 Whisper 一样，」他继续说道。「我们希望确保，如果我们要以开源形式发布产品，我们会深思熟虑，并且我们有一个真正针对特定需求而精心打造的模型。我们认为，终端用户设备是开源模型最有趣的案例之一。」

Whisper gpt- 产品模型语音杰夫哈里斯代理 OpenAI 开发人员客户 gpt 哈里斯