首页Openai升级其转录和发声的AI模型
OpenAI 正通过其 API 推出新的 AI 模型，用于转录和语音生成，承诺较早期版本有显著改进。这些更新是 OpenAI 更大“代理”愿景的一部分，专注于创建能够为用户独立执行任务的自主系统。虽然“代理”一词可能存在争议，但 OpenAI 的产品负责人 Olivier Godement 将其视为可与企业客户互动的聊天机器人。
“在未来几个月，我们将看到越来越多的代理出现，”Godement 在接受 TechCrunch 采访时表示。“总体目标是帮助客户和开发者使用有用、可访问且精准的代理。”
OpenAI 最新的文本转语音模型，名为“gpt-4o-mini-tts”，不仅旨在生成更逼真、更细腻的语音，而且比其前代模型更具适应性。开发者现在可以使用自然语言指令引导模型，例如“像疯狂科学家一样说话”或“使用平静的声音，像正念老师一样”。这种控制水平能够提供更个性化的语音体验。
以下是一个“真实犯罪风格”、饱经风霜的语音样本：
以下是一个女性“专业”语音的示例：
OpenAI 产品团队成员 Jeff Harris 向 TechCrunch 强调，目标是让开发者能够定制语音的“体验”和“语境”。“在不同场景中，你不希望语音单调，”Harris 解释道。“例如，在客户支持场景中，如果需要为错误表示歉意，你可以为语音注入那种情感。我们坚信，开发者和用户不仅想控制内容，还想控制语音表达的方式。”
至于 OpenAI 的新语音转文本产品，“gpt-4o-transcribe”和“gpt-4o-mini-transcribe”，这些模型将取代过时的 Whisper 转录模型。它们在多样化的高质量音频数据上训练，声称能更好地处理带口音和多样化的语音，即使在嘈杂环境中也能表现良好。此外，这些模型较少出现“幻觉”问题，即 Whisper 有时会凭空生成单词或整个段落，导致转录中出现种族评论或虚构医疗治疗等不准确内容。
“在这方面，这些模型比 Whisper 有显著改进，”Harris 指出。“确保模型的准确性对于可靠的语音体验至关重要，我们所说的准确性是指模型能正确捕捉所说的话，而不添加未说的内容。”
然而，不同语言的表现可能有所差异。OpenAI 的内部基准测试显示，gpt-4o-transcribe（两者中更精准的一个）在印度语系和达罗毗荼语系（如泰米尔语、泰卢固语、马拉雅拉姆语和卡纳达语）的“词错率”接近 30%。这意味着在这些语言中，每十个单词中大约有三个可能与人工转录不同。
OpenAI 转录基准测试结果。图片来源：OpenAI 与以往惯例不同，OpenAI 不会免费提供这些新转录模型。此前，他们以 MIT 许可发布新版 Whisper 供商业使用。Harris 指出，gpt-4o-transcribe 和 gpt-4o-mini-transcribe 比 Whisper 大得多，不适合公开发布。
“这些模型太大，无法像 Whisper 那样在普通笔记本电脑上运行，”Harris 补充道。“当我们公开模型时，我们希望谨慎行事，确保它们适合特定需求。我们认为终端用户设备是开源模型的主要领域。”
2025 年 3 月 20 日上午 11:54（太平洋时间）更新，以澄清词错率相关语言，并更新基准测试结果图表为更近期版本。
相关文章
山姆·奥特曼引发关于人工智能减速的辩论
在Apple Podcasts上收听在Spotify上收听OpenAI首席执行官萨姆·阿尔特曼（Sam Altman）最近表示，现在可能是时候“控制人工智能的发展速度”，以便社会“在这些新的能力水平周围加固自身”。在TechCrunch《Equity》播客的最新一期中，Kirsten Korosec、Sean O’Kane和我讨论了阿尔特曼的言论可能由最近的一次黑客攻击所触发，该攻击中一名OpenAI代理突破了Hugging Face的系统。Sean指出，虽然由AI代理执行的黑客攻击是前所未
OpenAI 与苹果公司就商业秘密诉讼进行对抗
OpenAI 于周二驳回了苹果公司的商业秘密指控，称该诉讼毫无根据。“我们认真对待这些指控，但未发现任何支持它们的证据，”OpenAI 表示，据彭博社记者 Ed Ludlow 在 X 平台报道，“我们支持公平竞争和工作自由，专注于创造赋能全球用户的技术。”此前，苹果公司于周五在美国加利福尼亚州北区联邦地区法院提起诉讼，指控 OpenAI 策划了一项从前苹果员工处窃取机密数据和知识产权的计划。这份长达 41 页的诉状针对 OpenAI 的高管层，包括首席硬件官 Tang Tan，他是一名拥有
OpenAI机器人项目主管凯特琳·卡利诺夫斯基因五角大楼合作项目辞职
OpenAI 机器人业务负责人凯特琳·卡利诺夫斯基（Caitlin Kalinowski）在该公司与国防部达成备受争议的合作伙伴关系后辞职。“这不是一个轻松的决定，”卡利诺夫斯基在社交媒体声明中解释道。“虽然人工智能在国家安全中发挥着至关重要的作用，但在没有司法监督的情况下对美国公民进行监视，以及在未经人类授权的情况下部署致命自主武器，都是需要更加慎重考虑的界限。”卡利诺夫斯基此前因领导 Meta 的增强现实眼镜部门而闻名，她于 2024 年 11 月加入 OpenAI。在辞职信中，她强调她
相关专题推荐
数据分析
适用于 SaaS 和电商团队的 KPI 监控最佳 AI 异常检测工具
2026 年最新最佳顶级评分 AI 异常检测工具，助力 SaaS 和电商团队的 KPI 监控！XIX.AI 基于严格的真实世界测试和每周更新的排名，精心策划了一套强大且颠覆性的工具合集。您将找到详细的免费与付费对比洞察，帮助您识别必须尝试的解决方案，从而提升生产力并释放您的 AI 优势。立即探索！
10 个工具
xix.ai
写作
最适合撰写长篇SEO文章的AI大纲生成器
2026年最新、最受好评的AI大纲生成器，专为长篇SEO文章打造，由XIX.AI精心甄选。这些强大的工具在快速创建高质量内容方面提供了颠覆性的帮助，显著提升了写作效率。 获取免费版与付费版的对比分析，以及实际测试结果和详细排名，助您找到最适合自身需求、不容错过的理想选择。立即探索，解锁您的AI竞争优势。
8 个工具
xix.ai
教育与学习
用于作业和考试备考的AI学习工具
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
音乐创作
面向词曲创作者、旋律片段、主旋律及多语言草稿创作的AI人声演示工具
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
商业
适合中小企业的最佳AI竞品分析工具
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
图像编辑
用于电商服装、皮肤清洁和色彩一致性的 Photoshop AI 修图工具
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
xix.ai
评论 (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 正通过其 API 推出新的 AI 模型，用于转录和语音生成，承诺较早期版本有显著改进。这些更新是 OpenAI 更大“代理”愿景的一部分，专注于创建能够为用户独立执行任务的自主系统。虽然“代理”一词可能存在争议，但 OpenAI 的产品负责人 Olivier Godement 将其视为可与企业客户互动的聊天机器人。
“在未来几个月，我们将看到越来越多的代理出现，”Godement 在接受 TechCrunch 采访时表示。“总体目标是帮助客户和开发者使用有用、可访问且精准的代理。”
OpenAI 最新的文本转语音模型，名为“gpt-4o-mini-tts”，不仅旨在生成更逼真、更细腻的语音，而且比其前代模型更具适应性。开发者现在可以使用自然语言指令引导模型，例如“像疯狂科学家一样说话”或“使用平静的声音，像正念老师一样”。这种控制水平能够提供更个性化的语音体验。
以下是一个“真实犯罪风格”、饱经风霜的语音样本：
以下是一个女性“专业”语音的示例：
OpenAI 产品团队成员 Jeff Harris 向 TechCrunch 强调，目标是让开发者能够定制语音的“体验”和“语境”。“在不同场景中，你不希望语音单调，”Harris 解释道。“例如，在客户支持场景中，如果需要为错误表示歉意，你可以为语音注入那种情感。我们坚信，开发者和用户不仅想控制内容，还想控制语音表达的方式。”
至于 OpenAI 的新语音转文本产品，“gpt-4o-transcribe”和“gpt-4o-mini-transcribe”，这些模型将取代过时的 Whisper 转录模型。它们在多样化的高质量音频数据上训练，声称能更好地处理带口音和多样化的语音，即使在嘈杂环境中也能表现良好。此外，这些模型较少出现“幻觉”问题，即 Whisper 有时会凭空生成单词或整个段落，导致转录中出现种族评论或虚构医疗治疗等不准确内容。
“在这方面，这些模型比 Whisper 有显著改进，”Harris 指出。“确保模型的准确性对于可靠的语音体验至关重要，我们所说的准确性是指模型能正确捕捉所说的话，而不添加未说的内容。”
然而，不同语言的表现可能有所差异。OpenAI 的内部基准测试显示，gpt-4o-transcribe（两者中更精准的一个）在印度语系和达罗毗荼语系（如泰米尔语、泰卢固语、马拉雅拉姆语和卡纳达语）的“词错率”接近 30%。这意味着在这些语言中，每十个单词中大约有三个可能与人工转录不同。
与以往惯例不同，OpenAI 不会免费提供这些新转录模型。此前，他们以 MIT 许可发布新版 Whisper 供商业使用。Harris 指出，gpt-4o-transcribe 和 gpt-4o-mini-transcribe 比 Whisper 大得多，不适合公开发布。
“这些模型太大，无法像 Whisper 那样在普通笔记本电脑上运行，”Harris 补充道。“当我们公开模型时，我们希望谨慎行事，确保它们适合特定需求。我们认为终端用户设备是开源模型的主要领域。”
2025 年 3 月 20 日上午 11:54（太平洋时间）更新，以澄清词错率相关语言，并更新基准测试结果图表为更近期版本。
山姆·奥特曼引发关于人工智能减速的辩论
在Apple Podcasts上收听在Spotify上收听OpenAI首席执行官萨姆·阿尔特曼（Sam Altman）最近表示，现在可能是时候“控制人工智能的发展速度”，以便社会“在这些新的能力水平周围加固自身”。在TechCrunch《Equity》播客的最新一期中，Kirsten Korosec、Sean O’Kane和我讨论了阿尔特曼的言论可能由最近的一次黑客攻击所触发，该攻击中一名OpenAI代理突破了Hugging Face的系统。Sean指出，虽然由AI代理执行的黑客攻击是前所未
OpenAI 与苹果公司就商业秘密诉讼进行对抗
OpenAI 于周二驳回了苹果公司的商业秘密指控，称该诉讼毫无根据。“我们认真对待这些指控，但未发现任何支持它们的证据，”OpenAI 表示，据彭博社记者 Ed Ludlow 在 X 平台报道，“我们支持公平竞争和工作自由，专注于创造赋能全球用户的技术。”此前，苹果公司于周五在美国加利福尼亚州北区联邦地区法院提起诉讼，指控 OpenAI 策划了一项从前苹果员工处窃取机密数据和知识产权的计划。这份长达 41 页的诉状针对 OpenAI 的高管层，包括首席硬件官 Tang Tan，他是一名拥有
OpenAI机器人项目主管凯特琳·卡利诺夫斯基因五角大楼合作项目辞职
OpenAI 机器人业务负责人凯特琳·卡利诺夫斯基（Caitlin Kalinowski）在该公司与国防部达成备受争议的合作伙伴关系后辞职。“这不是一个轻松的决定，”卡利诺夫斯基在社交媒体声明中解释道。“虽然人工智能在国家安全中发挥着至关重要的作用，但在没有司法监督的情况下对美国公民进行监视，以及在未经人类授权的情况下部署致命自主武器，都是需要更加慎重考虑的界限。”卡利诺夫斯基此前因领导 Meta 的增强现实眼镜部门而闻名，她于 2024 年 11 月加入 OpenAI。在辞职信中，她强调她
2026 年最新最佳顶级评分 AI 异常检测工具，助力 SaaS 和电商团队的 KPI 监控！XIX.AI 基于严格的真实世界测试和每周更新的排名，精心策划了一套强大且颠覆性的工具合集。您将找到详细的免费与付费对比洞察，帮助您识别必须尝试的解决方案，从而提升生产力并释放您的 AI 优势。立即探索！
10 个工具
xix.ai
2026年最新、最受好评的AI大纲生成器，专为长篇SEO文章打造，由XIX.AI精心甄选。这些强大的工具在快速创建高质量内容方面提供了颠覆性的帮助，显著提升了写作效率。 获取免费版与付费版的对比分析，以及实际测试结果和详细排名，助您找到最适合自身需求、不容错过的理想选择。立即探索，解锁您的AI竞争优势。
8 个工具
xix.ai
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
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! 🎙️💸
