📖 内容分析
据IT之家7月29日报道，OpenAI在X平台宣布推出两款全新的转录模型——GPT-Live-Transcribe和GPT-Transcribe，并已开放API接口供开发者调用。GPT-Live-Transcribe专为低延迟场景设计，可实现近乎实时的语音转录，适合直播、实时会议、同声传译等对延迟敏感的应用；其调用费用为每分钟0.017美元（约合人民币0.12元）。GPT-Transcribe则更注重理解上下文，在长语音段落、多轮对话、专业术语等复杂场景下表现出更高的准确率，费用为每分钟0.0045美元（约合人民币0.032元）。两款模型均基于OpenAI的GPT架构，能够利用大语言模型的语义理解能力改善传统语音转录中的歧义、口音、背景噪声等问题。OpenAI表示，新模型在基准测试中相比Whisper等前代方案在延迟和准确率上有显著提升，且支持多语种转录。此外，API接口已集成到OpenAI的开发者平台，开发者可灵活选择模型并按照使用量付费。此次发布是OpenAI在语音领域的重要布局，进一步拓展了其模型生态，从文本生成、图像理解扩展到语音转录，有望与ChatGPT的语音对话功能形成协同，推动AI助手在更多实时交互场景中的商用。