首頁Openai升級其轉錄和發聲的AI模型
OpenAI 正在透過其 API 推出新的 AI 模型，用於轉錄和語音生成，承諾相較於早期版本有顯著改進。這些更新是 OpenAI 更大「代理」願景的一部分，專注於創建能夠獨立為使用者執行任務的自主系統。雖然「代理」一詞可能引發爭議，但 OpenAI 產品負責人 Olivier Godement 將其視為能與企業客戶互動的聊天機器人。
Godement 在接受 TechCrunch 簡報時表示：「未來幾個月，我們將看到越來越多的代理出現。總體目標是協助客戶和開發者使用有用、易於存取且精確的代理。」
OpenAI 最新的文字轉語音模型，名為「gpt-4o-mini-tts」，不僅旨在生成更逼真且細膩的語音，還比前代模型更具適應性。開發者現在可以使用自然語言指令引導模型，例如「像瘋狂科學家一樣說話」或「使用平靜的語音，如冥想導師」。這種控制程度能提供更個人化的語音體驗。
以下是一個「真實犯罪風格」、滄桑語音的範例：
以下是一個女性「專業」語音的範例：
OpenAI 產品團隊成員 Jeff Harris 向 TechCrunch 強調，目標是讓開發者能夠自訂語音「體驗」和「情境」。「在不同場景中，你不希望語音單調，」Harris 解釋道。「例如，在客戶服務場景中，語音需要為錯誤表達歉意，你可以將這種情感融入語音。我們堅信，開發者和使用者不僅想控制內容，還想控制說話方式。」
談到 OpenAI 的新語音轉文字產品「gpt-4o-transcribe」和「gpt-4o-mini-transcribe」，這些模型將取代過時的 Whisper 轉錄模型。它們接受了多樣化的高品質音訊數據訓練，據稱能更好地處理帶口音和多樣化的語音，即使在嘈雜環境中也是如此。此外，這些模型較不易出現「幻覺」，即 Whisper 有時會自行編造單詞或整段內容，導致轉錄中出現不準確的種族評論或虛構醫療治療等問題。
「在這方面，這些模型比 Whisper 有顯著改進，」Harris 指出。「確保模型準確性對於可靠的語音體驗至關重要，所謂準確性，我們指的是模型能正確捕捉說出的詞語，而不添加未說出的內容。」
然而，性能可能因語言而異。OpenAI 的內部基準顯示，兩者中較精確的 gpt-4o-transcribe 在印度和德拉威語言（如泰米爾語、泰盧固語、馬拉雅拉姆語和坎納達語）的「詞錯率」接近 30%。這意味著在這些語言中，每十個詞中大約有三個可能與人工轉錄不同。
OpenAI 轉錄基準測試結果。圖片來源：OpenAI 與以往慣例不同，OpenAI 不會免費提供這些新轉錄模型。過去，他們以 MIT 許可證發布新版 Whisper，供商業使用。Harris 指出，gpt-4o-transcribe 和 gpt-4o-mini-transcribe 比 Whisper 大得多，不適合公開發布。
「這些模型太大，無法像 Whisper 那樣在普通筆記型電腦上運行，」Harris 補充道。「當我們公開發布模型時，我們希望謹慎行事，確保它們針對特定需求進行優化。我們認為終端使用者設備是開源模型的主要應用領域。」
2025 年 3 月 20 日上午 11:54（太平洋時間）更新，以澄清詞錯率的語言表述，並更新基準測試結果圖表為更近期版本。
相關文章
山姆·奧特曼引發關於人工智慧減速的辯論
在Apple Podcasts上收聽在Spotify上收聽OpenAI執行長薩姆·阿爾特曼（Sam Altman）最近表示，現在可能是時候“控制人工智慧的發展速度”，以便社會“在這些新的能力水平周圍加固自身”。在TechCrunch《Equity》播客的最新一期中，Kirsten Korosec、Sean O’Kane和我討論了阿爾特曼的言論可能由最近的一次駭客攻擊所觸發，該攻擊中一名OpenAI代理突破了Hugging Face的系統。Sean指出，雖然由AI代理執行的駭客攻擊是前所未
OpenAI 與蘋果公司就商業秘密訴訟進行對抗
OpenAI 於週二駁回了蘋果公司的商業秘密指控，稱該訴訟毫無根據。“我們認真對待這些指控，但未發現任何支援它們的證據，”OpenAI 表示，據彭博社記者 Ed Ludlow 在 X 平臺報道，“我們支援公平競爭和工作自由，專注於創造賦能全球使用者的技術。”此前，蘋果公司於週五在美國加利福尼亞州北區聯邦地區法院提起訴訟，指控 OpenAI 策劃了一項從前蘋果員工處竊取機密資料和智慧財產權的計劃。這份長達 41 頁的訴狀針對 OpenAI 的高管層，包括首席硬體官 Tang Tan，他是一名擁有
OpenAI機器人專案主管凱特琳·卡利諾夫斯基因五角大樓合作專案辭職
OpenAI 機器人業務負責人凱特琳·卡利諾夫斯基（Caitlin Kalinowski）在該公司與國防部達成備受爭議的合作伙伴關係後辭職。“這不是一個輕鬆的決定，”卡利諾夫斯基在社交媒體宣告中解釋道。“雖然人工智慧在國家安全中發揮著至關重要的作用，但在沒有司法監督的情況下對美國公民進行監視，以及在未經人類授權的情況下部署致命自主武器，都是需要更加慎重考慮的界限。”卡利諾夫斯基此前因領導 Meta 的增強現實眼鏡部門而聞名，她於 2024 年 11 月加入 OpenAI。在辭職信中，她強調她
相關專題推薦
數據分析
適用於 SaaS 和電商團隊的 KPI 監控最佳 AI 異常檢測工具
2026 年最新最佳頂級評分 AI 異常檢測工具，助力 SaaS 和電商團隊的 KPI 監控！XIX.AI 基於嚴格的真實世界測試和每週更新的排名，精心策劃了一套強大且顛覆性的工具合集。您將找到詳細的免費與付費對比洞察，幫助您識別必須嘗試的解決方案，從而提升生產力並釋放您的 AI 優勢。立即探索！
10 個工具
xix.ai
寫作
最適合撰寫長篇 SEO 文章的 AI 大綱生成工具
2026 年最新最佳、評價最高的 AI 大綱生成器，專為長篇 SEO 文章打造，由 XIX.AI 精心精選。這些強大的工具能為快速創作高品質內容提供革命性的協助，大幅提升寫作效率。 透過免費版與付費版的比較、實際測試結果及詳細排名，協助您找出最符合需求且不容錯過的選項。立即探索，釋放您的 AI 優勢。
8 個工具
xix.ai
教育與學習
適用於作業與考試準備的人工智慧學習工具
2026 年最新最佳 AI 學習工具，助您完成作業與備考！XIX.AI 精心整理了一份備受好評的清單，收錄了這些強大且具革命性、經實測驗證的工具，能幫助學生提升效率、簡化作業流程，並在考試中取得優異成績。 獲取免費版與付費版的比較、詳細排名，以及必試選項，以釋放您的 AI 優勢。立即探索！
10 個工具
xix.ai
音樂創作
面向詞曲創作者、旋律片段、主旋律及多語言草稿創作的AI人聲演示工具
2026 年最新最佳 AI 人聲演示工具，專為詞曲創作者、旋律創作者和多語言內容團隊打造！XIX.AI 精心整理了一份經過嚴格真實世界測試的高評分、變革性工具列表。您將找到詳細的免費與付費對比資料、全面排名以及必試選項，幫助您提升創作效率並釋放創意潛力。立即探索，發現滿足您所有內容需求的完美工具！
9 個工具
xix.ai
商業
最適合小型企業的頂尖 AI 競爭情勢分析工具
2026 年最新、最佳且評價最高的中小企業 AI 競爭研究工具！XIX.AI 精心精選了一系列極具威力且能改變遊戲規則的工具，並透過嚴謹的實測與詳細排名，每週更新內容。您可在此找到詳盡的免費版與付費版比較，協助您找出必試的工具，以提升工作效率並獲得競爭優勢。 立即探索，找出最適合您的工具！
9 個工具
xix.ai
圖像編輯
用於電商服裝、皮膚清潔和色彩一致性的 Photoshop AI 修圖工具
2026 年最新最佳 Photoshop AI 修圖工具，適用於電商服裝、皮膚清潔和色彩一致性！這份頂級精選列表包含強大的變革性解決方案，可幫助您提升寫作效率、簡化內容創作並輕鬆實現完美的視覺效果。每個工具都經過實際測試，並透過每週更新的排名進行驗證，同時提供免費與付費版本的詳細對比。由 XIX.AI 支援，這是任何希望發揮 AI 優勢的人必試指南。立即探索！
10 個工具
xix.ai
評論 (33)
0/500
![LeviKing]()
음성 생성 모델 향상이라... 이게 결국 콜센터 직원 대체 같은 데 쓰이면 실업률 걱정이네요. 기술 좋지만 사회적 영향도 고민해야 할 문제 같아요.
![FrankMartínez]()
The new OpenAI models sound like a game-changer for voice tech! Can't wait to see how devs use this to make apps talk smoother than ever. 😎
![BenHernández]()
Wow, OpenAI's new transcription and voice models sound like a game-changer! I'm curious how these 'agentic' systems will stack up against real-world tasks. Could they finally nail natural-sounding convos? 🤔
![GeorgeTaylor]()
Os novos modelos de transcrição e geração de voz da OpenAI são um divisor de águas! Estou usando no meu podcast e as melhorias são impressionantes. O único ponto negativo? São um pouco caros, mas se você puder pagar, vale cada centavo! 🎙️💸
![GregoryAllen]()
OpenAI's new transcription and voice models are a game changer! I've been using them for my podcast and the improvements are night and day. The only downside? They're a bit pricey, but if you can swing it, they're worth every penny! 🎙️💸
![StevenAllen]()
OpenAI의 새로운 음성 인식 및 음성 생성 모델은 정말 혁신적이에요! 제 팟캐스트에서 사용 중인데, 개선이 눈에 띄어요. 단점은 조금 비싸다는 건데, 감당할 수 있다면 그만한 가치가 있어요! 🎙️💸
OpenAI 正在透過其 API 推出新的 AI 模型，用於轉錄和語音生成，承諾相較於早期版本有顯著改進。這些更新是 OpenAI 更大「代理」願景的一部分，專注於創建能夠獨立為使用者執行任務的自主系統。雖然「代理」一詞可能引發爭議，但 OpenAI 產品負責人 Olivier Godement 將其視為能與企業客戶互動的聊天機器人。
Godement 在接受 TechCrunch 簡報時表示：「未來幾個月，我們將看到越來越多的代理出現。總體目標是協助客戶和開發者使用有用、易於存取且精確的代理。」
OpenAI 最新的文字轉語音模型，名為「gpt-4o-mini-tts」，不僅旨在生成更逼真且細膩的語音，還比前代模型更具適應性。開發者現在可以使用自然語言指令引導模型，例如「像瘋狂科學家一樣說話」或「使用平靜的語音，如冥想導師」。這種控制程度能提供更個人化的語音體驗。
以下是一個「真實犯罪風格」、滄桑語音的範例：
以下是一個女性「專業」語音的範例：
OpenAI 產品團隊成員 Jeff Harris 向 TechCrunch 強調，目標是讓開發者能夠自訂語音「體驗」和「情境」。「在不同場景中，你不希望語音單調，」Harris 解釋道。「例如，在客戶服務場景中，語音需要為錯誤表達歉意，你可以將這種情感融入語音。我們堅信，開發者和使用者不僅想控制內容，還想控制說話方式。」
談到 OpenAI 的新語音轉文字產品「gpt-4o-transcribe」和「gpt-4o-mini-transcribe」，這些模型將取代過時的 Whisper 轉錄模型。它們接受了多樣化的高品質音訊數據訓練，據稱能更好地處理帶口音和多樣化的語音，即使在嘈雜環境中也是如此。此外，這些模型較不易出現「幻覺」，即 Whisper 有時會自行編造單詞或整段內容，導致轉錄中出現不準確的種族評論或虛構醫療治療等問題。
「在這方面，這些模型比 Whisper 有顯著改進，」Harris 指出。「確保模型準確性對於可靠的語音體驗至關重要，所謂準確性，我們指的是模型能正確捕捉說出的詞語，而不添加未說出的內容。」
然而，性能可能因語言而異。OpenAI 的內部基準顯示，兩者中較精確的 gpt-4o-transcribe 在印度和德拉威語言（如泰米爾語、泰盧固語、馬拉雅拉姆語和坎納達語）的「詞錯率」接近 30%。這意味著在這些語言中，每十個詞中大約有三個可能與人工轉錄不同。
與以往慣例不同，OpenAI 不會免費提供這些新轉錄模型。過去，他們以 MIT 許可證發布新版 Whisper，供商業使用。Harris 指出，gpt-4o-transcribe 和 gpt-4o-mini-transcribe 比 Whisper 大得多，不適合公開發布。
「這些模型太大，無法像 Whisper 那樣在普通筆記型電腦上運行，」Harris 補充道。「當我們公開發布模型時，我們希望謹慎行事，確保它們針對特定需求進行優化。我們認為終端使用者設備是開源模型的主要應用領域。」
2025 年 3 月 20 日上午 11:54（太平洋時間）更新，以澄清詞錯率的語言表述，並更新基準測試結果圖表為更近期版本。
山姆·奧特曼引發關於人工智慧減速的辯論
在Apple Podcasts上收聽在Spotify上收聽OpenAI執行長薩姆·阿爾特曼（Sam Altman）最近表示，現在可能是時候“控制人工智慧的發展速度”，以便社會“在這些新的能力水平周圍加固自身”。在TechCrunch《Equity》播客的最新一期中，Kirsten Korosec、Sean O’Kane和我討論了阿爾特曼的言論可能由最近的一次駭客攻擊所觸發，該攻擊中一名OpenAI代理突破了Hugging Face的系統。Sean指出，雖然由AI代理執行的駭客攻擊是前所未
OpenAI 與蘋果公司就商業秘密訴訟進行對抗
OpenAI 於週二駁回了蘋果公司的商業秘密指控，稱該訴訟毫無根據。“我們認真對待這些指控，但未發現任何支援它們的證據，”OpenAI 表示，據彭博社記者 Ed Ludlow 在 X 平臺報道，“我們支援公平競爭和工作自由，專注於創造賦能全球使用者的技術。”此前，蘋果公司於週五在美國加利福尼亞州北區聯邦地區法院提起訴訟，指控 OpenAI 策劃了一項從前蘋果員工處竊取機密資料和智慧財產權的計劃。這份長達 41 頁的訴狀針對 OpenAI 的高管層，包括首席硬體官 Tang Tan，他是一名擁有
OpenAI機器人專案主管凱特琳·卡利諾夫斯基因五角大樓合作專案辭職
OpenAI 機器人業務負責人凱特琳·卡利諾夫斯基（Caitlin Kalinowski）在該公司與國防部達成備受爭議的合作伙伴關係後辭職。“這不是一個輕鬆的決定，”卡利諾夫斯基在社交媒體宣告中解釋道。“雖然人工智慧在國家安全中發揮著至關重要的作用，但在沒有司法監督的情況下對美國公民進行監視，以及在未經人類授權的情況下部署致命自主武器，都是需要更加慎重考慮的界限。”卡利諾夫斯基此前因領導 Meta 的增強現實眼鏡部門而聞名，她於 2024 年 11 月加入 OpenAI。在辭職信中，她強調她
2026 年最新最佳頂級評分 AI 異常檢測工具，助力 SaaS 和電商團隊的 KPI 監控！XIX.AI 基於嚴格的真實世界測試和每週更新的排名，精心策劃了一套強大且顛覆性的工具合集。您將找到詳細的免費與付費對比洞察，幫助您識別必須嘗試的解決方案，從而提升生產力並釋放您的 AI 優勢。立即探索！
10 個工具
xix.ai
2026 年最新最佳、評價最高的 AI 大綱生成器，專為長篇 SEO 文章打造，由 XIX.AI 精心精選。這些強大的工具能為快速創作高品質內容提供革命性的協助，大幅提升寫作效率。 透過免費版與付費版的比較、實際測試結果及詳細排名，協助您找出最符合需求且不容錯過的選項。立即探索，釋放您的 AI 優勢。
8 個工具
xix.ai
2026 年最新最佳 AI 學習工具，助您完成作業與備考！XIX.AI 精心整理了一份備受好評的清單，收錄了這些強大且具革命性、經實測驗證的工具，能幫助學生提升效率、簡化作業流程，並在考試中取得優異成績。 獲取免費版與付費版的比較、詳細排名，以及必試選項，以釋放您的 AI 優勢。立即探索！
10 個工具
xix.ai
2026 年最新最佳 AI 人聲演示工具，專為詞曲創作者、旋律創作者和多語言內容團隊打造！XIX.AI 精心整理了一份經過嚴格真實世界測試的高評分、變革性工具列表。您將找到詳細的免費與付費對比資料、全面排名以及必試選項，幫助您提升創作效率並釋放創意潛力。立即探索，發現滿足您所有內容需求的完美工具！
9 個工具
xix.ai
2026 年最新、最佳且評價最高的中小企業 AI 競爭研究工具！XIX.AI 精心精選了一系列極具威力且能改變遊戲規則的工具，並透過嚴謹的實測與詳細排名，每週更新內容。您可在此找到詳盡的免費版與付費版比較，協助您找出必試的工具，以提升工作效率並獲得競爭優勢。 立即探索，找出最適合您的工具！
9 個工具
xix.ai
2026 年最新最佳 Photoshop AI 修圖工具，適用於電商服裝、皮膚清潔和色彩一致性！這份頂級精選列表包含強大的變革性解決方案，可幫助您提升寫作效率、簡化內容創作並輕鬆實現完美的視覺效果。每個工具都經過實際測試，並透過每週更新的排名進行驗證，同時提供免費與付費版本的詳細對比。由 XIX.AI 支援，這是任何希望發揮 AI 優勢的人必試指南。立即探索！
10 個工具
xix.ai
음성 생성 모델 향상이라... 이게 결국 콜센터 직원 대체 같은 데 쓰이면 실업률 걱정이네요. 기술 좋지만 사회적 영향도 고민해야 할 문제 같아요.
The new OpenAI models sound like a game-changer for voice tech! Can't wait to see how devs use this to make apps talk smoother than ever. 😎
Wow, OpenAI's new transcription and voice models sound like a game-changer! I'm curious how these 'agentic' systems will stack up against real-world tasks. Could they finally nail natural-sounding convos? 🤔
Os novos modelos de transcrição e geração de voz da OpenAI são um divisor de águas! Estou usando no meu podcast e as melhorias são impressionantes. O único ponto negativo? São um pouco caros, mas se você puder pagar, vale cada centavo! 🎙️💸
OpenAI's new transcription and voice models are a game changer! I've been using them for my podcast and the improvements are night and day. The only downside? They're a bit pricey, but if you can swing it, they're worth every penny! 🎙️💸
OpenAI의 새로운 음성 인식 및 음성 생성 모델은 정말 혁신적이에요! 제 팟캐스트에서 사용 중인데, 개선이 눈에 띄어요. 단점은 조금 비싸다는 건데, 감당할 수 있다면 그만한 가치가 있어요! 🎙️💸
