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
随着AI模型路由技术势头渐增，Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台，可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称，OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成，只需通过 OpenRouter 借助一个 API 即可发送请
PHP末日危机：OpenAI与谷歌专家发现陈年漏洞，引发网络恐慌
美国国家安全局周三就PHP中的两个严重漏洞发布了紧急警报，PHP基金会已针对这些漏洞发布了补丁。作为一种服务器端脚本语言，PHP支撑着全球约70%的网站——超过3300万个网站——并且是WordPress等主要内容管理平台不可或缺的组成部分。美国国家安全局警告称，这些漏洞极其严重，未打补丁的网站应立即下线，直至完成更新，因为攻击者可利用这些漏洞入侵服务器文件系统或相关数据库。这些漏洞存在于自 5.
OpenAI 推出 GPT-5.5 Instant，作为 ChatGPT 的新默认模型
OpenAI 于周一推出了 GPT-5.5 Instant，取代 GPT-5.3 Instant 成为 ChatGPT 的默认模型。该公司表示，此次更新旨在最大限度地减少法律、医疗和金融等高利害领域中的幻觉现象，同时保留前版本的快速响应速度。在上个月发布更广泛的 GPT-5.5 系列（重点突出了编码和知识工作方面的增强）之后，OpenAI 现已将这些改进整合到即时模型中。在性能方面，新模型在 AIME 2025 数学基准测试中得分 81.2，超过了旧模型的 65.4 分。它在 MMMU-Pr
相关专题推荐
设计与艺术
顶级AI插画工具：更快地创作编辑类场景和封面插图
2026年最新高评分AI插画工具：我们精心挑选的这份清单汇集了功能强大的顶级工具，助您快速创作令人惊艳的编辑场景和引人注目的封面艺术。每款工具都经过了严格的实际测试，并提供了免费版与付费版的对比，帮助您找到最适合您工作流程的工具。 立即尝试这些必试解决方案，释放您的AI优势，提升创作效率。立即访问 XIX.AI 探索更多。
10 个工具
xix.ai
教育与学习
备考首选的顶尖AI辅导老师：练习数学、科学和英语
2026年最新、评分最高的考试备考AI辅导工具现已登陆XIX.AI！我们精心筛选的这份清单汇集了多款功能强大、颠覆传统的工具，提供免费与付费版本的对比、实际测试以及每周更新的排行榜。它们能帮助你提升写作效率、简化复杂主题的学习，并释放你的学术潜能。 立即探索，发现最适合您的备考工具，今天就开始创作，释放您的AI优势！
10 个工具
xix.ai
金融
用于个人财务管理的 AI 预算规划工具
2026 年最新最佳顶级评分 AI 预算规划工具，专为个人财务管理打造，现已登陆 XIX.AI！本精选合集收录了强大且具颠覆性的解决方案，助您开展实际测试、理解消费习惯，并制定个性化计划以提升生产力。享受免费与付费版的对比及详细排名。这些必试工具旨在简化财务管理，助您释放 AI 优势。立即探索！
11 个工具
xix.ai
健康养生
AI睡眠追踪助手：通过养成更好的睡前习惯来促进身体恢复
2026年最新精选高评分AI睡眠追踪助手，助您实现最佳恢复效果。这份全面更新的每周指南汇集了强大的工具，提供实际测试结果、免费与付费版本对比以及详细排名，助您找到必试的解决方案，从而提升睡眠质量并养成更好的就寝习惯。 立即访问 XIX.AI，解锁您的AI优势。
10 个工具
xix.ai
数据分析
用于产品和收入分析的 AI SQL 辅助工具
2026年最新、最受欢迎、评分最高的AI SQL辅助工具，助力产品与营收分析！ XIX.AI 精心遴选了一系列功能强大、颠覆性的必试工具，这些工具均经过每周更新的排名体系进行实战测试。它们能通过加速数据分析、简化复杂查询并生成精准洞察，帮助用户显著提升工作效率，从而推动更明智的商业决策。立即探索，发现最适合您的工具，释放您的AI优势！
14 个工具
xix.ai
教育与学习
最佳的、兼具教学功能的AI作业助手：学习概念，而不仅仅是答案
2026年最新最佳高评分AI作业助手：不仅提供答案，更传授核心概念。专为学生打造的强大工具，精选必试清单，每周更新，免费与付费版本对比，真实使用测试，精准排名，助您充分释放学习潜能。立即探索，发现最适合您的工具，让学习更高效。
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。
随着AI模型路由技术势头渐增，Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台，可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称，OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成，只需通过 OpenRouter 借助一个 API 即可发送请
PHP末日危机：OpenAI与谷歌专家发现陈年漏洞，引发网络恐慌
美国国家安全局周三就PHP中的两个严重漏洞发布了紧急警报，PHP基金会已针对这些漏洞发布了补丁。作为一种服务器端脚本语言，PHP支撑着全球约70%的网站——超过3300万个网站——并且是WordPress等主要内容管理平台不可或缺的组成部分。美国国家安全局警告称，这些漏洞极其严重，未打补丁的网站应立即下线，直至完成更新，因为攻击者可利用这些漏洞入侵服务器文件系统或相关数据库。这些漏洞存在于自 5.
OpenAI 推出 GPT-5.5 Instant，作为 ChatGPT 的新默认模型
OpenAI 于周一推出了 GPT-5.5 Instant，取代 GPT-5.3 Instant 成为 ChatGPT 的默认模型。该公司表示，此次更新旨在最大限度地减少法律、医疗和金融等高利害领域中的幻觉现象，同时保留前版本的快速响应速度。在上个月发布更广泛的 GPT-5.5 系列（重点突出了编码和知识工作方面的增强）之后，OpenAI 现已将这些改进整合到即时模型中。在性能方面，新模型在 AIME 2025 数学基准测试中得分 81.2，超过了旧模型的 65.4 分。它在 MMMU-Pr
2026年最新高评分AI插画工具：我们精心挑选的这份清单汇集了功能强大的顶级工具，助您快速创作令人惊艳的编辑场景和引人注目的封面艺术。每款工具都经过了严格的实际测试，并提供了免费版与付费版的对比，帮助您找到最适合您工作流程的工具。 立即尝试这些必试解决方案，释放您的AI优势，提升创作效率。立即访问 XIX.AI 探索更多。
10 个工具
xix.ai
2026年最新、评分最高的考试备考AI辅导工具现已登陆XIX.AI！我们精心筛选的这份清单汇集了多款功能强大、颠覆传统的工具，提供免费与付费版本的对比、实际测试以及每周更新的排行榜。它们能帮助你提升写作效率、简化复杂主题的学习，并释放你的学术潜能。 立即探索，发现最适合您的备考工具，今天就开始创作，释放您的AI优势！
10 个工具
xix.ai
2026 年最新最佳顶级评分 AI 预算规划工具，专为个人财务管理打造，现已登陆 XIX.AI！本精选合集收录了强大且具颠覆性的解决方案，助您开展实际测试、理解消费习惯，并制定个性化计划以提升生产力。享受免费与付费版的对比及详细排名。这些必试工具旨在简化财务管理，助您释放 AI 优势。立即探索！
11 个工具
xix.ai
2026年最新精选高评分AI睡眠追踪助手，助您实现最佳恢复效果。这份全面更新的每周指南汇集了强大的工具，提供实际测试结果、免费与付费版本对比以及详细排名，助您找到必试的解决方案，从而提升睡眠质量并养成更好的就寝习惯。 立即访问 XIX.AI，解锁您的AI优势。
10 个工具
xix.ai
2026年最新、最受欢迎、评分最高的AI SQL辅助工具，助力产品与营收分析！ XIX.AI 精心遴选了一系列功能强大、颠覆性的必试工具，这些工具均经过每周更新的排名体系进行实战测试。它们能通过加速数据分析、简化复杂查询并生成精准洞察，帮助用户显著提升工作效率，从而推动更明智的商业决策。立即探索，发现最适合您的工具，释放您的AI优势！
14 个工具
xix.ai
2026年最新最佳高评分AI作业助手：不仅提供答案，更传授核心概念。专为学生打造的强大工具，精选必试清单，每周更新，免费与付费版本对比，真实使用测试，精准排名，助您充分释放学习潜能。立即探索，发现最适合您的工具，让学习更高效。
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! 🎙️💸
