财联社3月21日讯（剪辑 刘蕊）好意思东期间周四，OpenAI举行了一场重磅的本事直播，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。

OpenAI宣称，这些模子在之前版块的基础上取得了澄莹的逾越，也记号着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不仅能提供更精湛入微、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”。

建树东说念主员不错引导该模子如何用当然语言言语——举例，“像一个跋扈的科学家相同言语”、“像一个富饶同理心的客服相同言语”或“像一个正念敦厚相同使用镇定的声息”。

OpenAI居品东说念主员杰夫哈里斯 (Jeff Harris) 暗意，他们的指标是让建树者大商定制语音“体验”和“环境”。

哈里斯暗意：“在不同的情况下，你想要的不会只是是一个等闲、单调的声息…若是你在客户赈济体验中，你但愿这个声息抒发出犯错后的歉意，你不错让声息抒发出那种心思……咱们的信念是，建树者和用户不仅想要确实截止说什么，还想要截止如何说。”

语音转翰墨模子准确率大幅升迁

至于OpenAI的新语音转文本模子“GPT-4o-transcript”和“GPT-4o-mini- transcript”，它们的准确度澄莹高于 OpenAI之前发布的语音转文本模子Whisper，并在多种语言中已毕更低的词空虚率 (WER)。

OpenAI宣称，过程“各类化、高质地音频数据集”的检修，新模子不错更好地捕捉口音和不同的语音，即使在错乱的环境中亦然如斯。

OpenAI还暗意，新模子在责任中产生幻觉的概率也缩小了。哈里斯补充说念。人所共知，Whisper心爱在谈话中造谣词汇，以致整段翰墨，而“新模子在这方面比Whisper有了很大的纠正。”

哈里斯暗意：“确保模子的准确性关于赢得可靠的语音体验至关蹙迫，（在这种情况下）准确性意味着模子准确地听到了单词，（而且）莫得填写他们莫得听到的细节。”

虽然，模子的准确率和其被转录的语言有较大关联。

笔据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、西班牙语中的单词空虚率仅有2%傍边，在普通话中的空虚率为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“单词空虚率”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，这些模子相宜其更普通的“AI智能体（AI AGENT）”的愿景：构建大约代表用户寂寥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的居品主宰奥利维尔·戈德曼（Olivier Godement）将一种阐明形貌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，”戈德蒙德暗意，“因此，总的主题是匡助客户和建树者运用灵验、可用和准确的智能体。”

与传统不同的是，OpenAI并不蓄意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买卖用途的新版Whisper。

哈里斯暗意，GPT- 4o -transcribe和GPT- 4o -mini-transcribe“比Whisper大得多”，因此不妥当公建树布。

“它们不是那种能在札记本电脑上土产货来源的方法，比如Whisper那种，”他不绝说说念，“咱们想确保，若是咱们以开源面容发布东西，咱们是过程三想尔后行的，咱们有一个确实针对特定需求的模子。”

累赘剪辑：于健 SF069