刚刚，OpenAI又发新货！3个新模型+1个新网站，语音识别比Whisper更强！

文章预览

🍹  Insight Daily  🪺 Aitrainee | 公众号：AI进修生 Hi，这里是Aitrainee， 欢迎阅读本期新文 章。 就在刚刚，OpenAI 又出新货了。 三个音频模型：gpt-4o-mini-tts（文字转语音），gpt-4o-transcribe 和 gpt-4o-mini-transcribe（语音转文字）。 新的 SOTA Speech2Text 模型（明显优于 Whisper 3），而新的文本转语音模型，允许提示个性和情感。 在 FLEURS 测试里，两个  transcribe 模型的错误率比 Whisper 低多了。 图里比的就是 "词错误率" (WER)，WER 越低，模型转录就越准确，性能就越好。看柱状图，颜色深的柱子是 OpenAI 新模型，浅色的是其他模型，柱子越矮越好。 上：与自己模型对比；下：与市面其他模型对比 结果很明显，无论是和 Whisper v2/v3 比，还是和 Gemini、scribe-v1、nova-2 & nova-3 这些模型比，gpt-4o-transcribe 和 gpt-4o-mini-transcribe 的 WER 都更低，这意味着它们在转录准确率上， ………………………………