OpenAI 一口气发布三个新模型!还为此做了一个新网站 siyushenqi.com • 2025 年 8 月 13 日 下午9:58 • 行业动态 • 阅读 501 OpenAI 在其 API 中推出全新一代音频模型,包括语音转文本(gpt-4o-transcribe 和 gpt-4o-mini-transcribe)和文本转语音(gpt-4o-mini-tts)功能,旨在帮助开发者轻松构建强大的语音 Agent。 摘要 作为 gpt-4o-transcribe 的精简版本,速度更快、效率更高,虽然 WER 稍高于完整版,但仍优于原有 Whisper 模型,适合资源有限的应用场景。 新音频模型建立在 GPT-4o 和 GPT-4o-mini 架构之上,采用真实音频数据集进行预训练。应用知识蒸馏方法,从大模型向小模型转移能力。在语音转文本技术中融入强化学习,显著提升转录精度并减少「幻觉」现象。 端到端直接处理,接收语音输入并生成语音回复,适合对响应速度要求高的场景。将处理流程分解为语音转文本、文本处理和文本转语音三个环节,模块化设计,处理结果更稳定,开发门槛低。 全新音频模型已向全球开发者开放,开发者可以在 OpenAI.fm 体验并制作 gpt-4o-mini-tts 的相关音频。 就在刚刚,OpenAI 宣布在其 API 中推出全新一代音频模型,包括语音转文本和文本转语音功能,让开发者能够轻松构建强大的语音 Agent。 新产品的核心亮点概述如下 gpt-4o-transcribe (语音转文本):单词错误率(WER)显著降低,在多个基准测试中优于现有 Whisper 模型 gpt-4o-mini-transcribe (语音转文本):gpt-4o-transcribe 的精简版本,速度更快、效率更高 gpt-4o-mini-tts (文本转语音):首次支持「可引导性」(steerability),开发者不仅能指定「说什么」,还能控制「如何说」 据 OpenAI 介绍,新推出的 gpt-4o-transcribe 采用多样化、高质量音频数据集进行了长时间的训练,能更好地捕获语音细微差别,减少误识别,大幅提升转录可靠性。 因此,gpt-4o-transcribe 更适用于处理口音多样、环境嘈杂、语速变化等挑战场景,比如客户呼叫中心、会议记录转录等领域。 gpt-4o-mini-transcribe 则基于 GPT-4o-mini 架构,通过知识蒸馏技术从大模型转移能力,虽然 WER(越低越好)稍高于完整版模型,但仍旧优于原有 Whisper 模型,更适合资源有限但仍需高质量语音识别的应用场景。 这两款模型在 FLEURS 多语言基准测试中的表现超越了现有的 Whisper v2 和 v3 模型,尤其在英语、西班牙语等多种语言上表现突出。 定价方面,GPT-4o-transcribe 与之前的 Whisper 模型价格相同,每分钟 0.006 美元,而 GPT-4o-mini-transcribe 则是前者的一半,每分钟 0.003 美元。 与此同时,OpenAI 还发布了新的 gpt-4o-mini-tts 文本转语音模型。首次让开发者不仅能指定「说什么」,还能控制「如何说」。 具体而言,开发者可以预设多种语音风格,如「平静」、「冲浪者」、「专业的」、「中世纪骑士」等,它还能根据指令调整语音风格,如「像富有同情心的客服 Agent 一样说话」,定价亲民,仅为每分钟 0.015 美元。 安全不能马虎,OpenAI 表示,gpt-4o-mini-tts 将接受持续监控,以保证其输出与预设的合成风格保持一致。 这些技术进步的背后源于 OpenAI 的多项创新: 新音频模型建立在 GPT-4o 和 GPT-4o-mini 架构之上,采用真实音频数据集进行预训练 应用 self-play 方法创建的蒸馏数据集的知识蒸馏方法,实现从大模型到小模型的知识转移 在语音转文本技术中融入强化学习(RL),显著提升转录精度并减少「幻觉」现象。 在凌晨的直播中,OpenAI 向我们展示了一款 AI 时尚顾问 Agent 的应用案例。 当用户询问「我最近的订单是什么?」时,系统流畅回应:用户于 2 月 9 日订购的 Patagonia 短裤已发货,并在后续提问中准确提供了订单号「A.D. 507」。 值得一提的是,OpenAI 演示人员还介绍了两种构建语音 Agent 技术路径,第一种「语音到语音模型」采用端到端的直接处理方式。 系统可直接接收用户语音输入并生成语音回复,无需中间转换步骤。这种方式处理速度更快,已在 ChatGPT 的高级语音模式和实时 API 服务中得到应用,非常适合对响应速度要求极高的场景。 第二种「链式方法」则是本次发布会的重点。 它将整个处理流程分解为三个独立环节:首先使用语音转文本模型将用户语音转为文字,然后由大型语言模型(LLM)处理这些文本内容并生成回应文本,最后通过文本转语音模型将回应转为自然语音输出。 这种方法的优势在于模块化设计,各组件可独立优化;处理结果更稳定,因为文本处理技术通常比直接音频处理更成熟;同时开发门槛更低,开发者可基于现有文本系统快速添加语音功能。 OpenAI 还为这些语音交互系统提供了多项增强功能: 支持语音流式处理,实现连续音频输入和输出 内置噪音消除功能,提升语音清晰度。 语义语音活动检测,能够识别用户何时完成发言 提供追踪 UI 工具,方便开发者调试语音代理 目前,这些全新音频模型已向全球开发者开放。 你还可以在 http://OpenAI.fm 上体验并制作 gpt-4o-mini-tts 的相关音频,这个演示网站可谓是功能齐全,左下角是官方的预设模板,主要包括人设、语气、方言、发音等设置。 我们也实测了一段八百标兵奔北坡的绕口令,emmm,中文效果马马虎虎。 至于英文效果,听它念着诗歌,倒是挺有真人那味了,但无论是与此前走红的 Hume AI 亦或者 Sesame 相比,「肉耳可听」地还差点火候。 此外,OpenAI 推出了与 Agents SDK 的集成,进一步简化开发流程。 值得一提的是,OpenAI 还举办了一个广播比赛。用户可以在 http://OpenAI.fm 制作音频,接着使用 OpenAI.fm 上的「分享」按钮生成链接,然后在 X 平台分享。 最具创意的前三名将各获一台限量版 Teenage Engineering OB-4。音频时长建议控制在 30 秒左右,可在语音、表达、发音或剧本语调变化上尽情发挥创意。 实际上,今年 AI 的风向也在悄然发生变化,除了依旧强调智商,还多出一股趋势,强调情感。 GPT-4.5、Grok 3 的卖点是情商,写作更有创意,回应更个性化,而冷冰冰的机器人(智元机器人),也强调更拟人,主打一个情绪价值。 由于直接触及人类最本能的沟通方式,语音领域在这方面的发力则更加显著。 最近在硅谷走红的 Sesame AI 能够实时感知用户情绪,并生成情感共鸣的回应,迅速俘获了一大批用户的心。图灵奖得主 Yann Lecun 最近也在强调,未来的 AI 需要拥有情感。 而无论是 OpenAI 今天发布的全新语音模型、还是即将发布的 Meta Llama 4 都有意往原生语音对话靠拢,试图通过更自然的情感交互拉近与用户的距离,靠「人味」圈粉。 AI 需要有人味吗?长期以来,聊天机器人通常被定义为没有情感的工具,它们也会在对话中提醒你只是一个没有灵魂的模型。然而,我们却往往能从中解读出情绪价值,甚至不自觉地与之建立情感联结。 或许人类天生渴望被理解、被陪伴,哪怕这种理解来自一台机器。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/32988.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 英伟达对机器人下手了 上一篇 2025 年 8 月 13 日 下午9:58 许久没见过这么激进的腾讯了 下一篇 2025 年 8 月 13 日 下午9:58 相关推荐 行业动态 腾讯追米哈游,一路追到新加坡? 对游戏行业而言,新加坡确实是国内游戏厂商从亚太地区走向全球化的跳板。 siyushenqi.com 2025 年 8 月 24 日 435000 行业动态 卖家囤积ChatGPT账号!有人开始用它直播 ChatGPT被跨境卖家视为最强辅助,还有哪些可能性? siyushenqi.com 2025 年 8 月 14 日 573000 行业动态 Facebook、Instagram、TikTok 分别适合哪些跨境人群? 在跨境电商和海外推广中,选对社交平台是成功的一半。不同的平台,用户属性、内容形式、营销逻辑都有差异。那么,Facebook、Instagram、TikTok,分别适合哪些跨境人群?这篇文章给你一文讲清。 1. Facebook:适合稳扎稳打型卖家和B端人群 用户特点 · 用户年龄集中在25-44岁,以中青年为主。 · 社交关系链强,用户忠诚度高。… siyushenqi.com 2025 年 8 月 13 日 下午9:58 501000 行业动态 2024年8月全球移动游戏市场快报:《AFK Journey 剑与远征:启程》回归亚洲:月收入暴增十倍 组队RPG游戏《AFK Journey 剑与远征:启程》2024年8月8日在亚洲的发布大获成功,在全球下载增长榜和收入增长榜分别取得第六和第二的高排名。 siyushenqi.com 2025 年 8 月 18 日 425000 行业动态 OpenAI 两封全员信:Sam Altman正式回归,Ilay退出董事会 OpenAI的宫斗大戏终于尘埃落定。 siyushenqi.com 2025 年 8 月 13 日 433000 行业动态 一周要闻NO.193丨Sora将终止服务;Epic裁员四分之一《堡垒之夜》成主因;Meta暂缓在欧盟推出新款智能眼镜;拼多多新拼姆是尊什么神? 一起看看这周有哪些出海圈值得关注的大事记吧! 转自扬帆出海 2026 年 3 月 31 日 251000 行业动态 只用六年便“吊打”奈飞,这款印度音频应用在美国杀疯了! 音频赛道爆火,怎么赚钱? siyushenqi.com 2025 年 8 月 18 日 467000 行业动态 中国的跨境电商,何时能重回越南? 下架三个月,Temu并不打算放弃越南。 siyushenqi.com 2025 年 8 月 5 日 463000 行业动态 Shopee印尼出口计划大获成功,助力10000卖家直通海外 本土卖家是跨境电商平台必须要重视的群体。 siyushenqi.com 2025 年 8 月 13 日 527000 画风突变!这款上线七年之痒的手游到底遭遇了什么? 一张神仙卷轴,开启了一场仙庭盛宴。下面进行无奖竞猜:下面的画面是哪款游戏? siyushenqi.com 2025 年 8 月 25 日 • 行业动态 516000 行业动态 借TikTok的东风,中国留学生勇闯英语带货赛道 虽然煎熬,但主播们都想抓住风口,万一自己就是下一个TikTok上的李佳琦呢。 siyushenqi.com 2025 年 8 月 5 日 388000 行业动态 《碧蓝航线》遭遇谷歌审查,欧美玩家玩上了“特供版本” 1月3日,《碧蓝航线》国际服官方X账号发布推文称,由于Google Play商店相关政策,游戏将停止销售部分皮肤,并提前结束版本活动进行更新.次日开服后,多套角色服装被永久下架,无法购买。 siyushenqi.com 2025 年 8 月 17 日 420000 行业动态 Telegram收不到验证码怎么办?附原因及解决办法! 作为全球增长最快的加密通讯工具,Telegram活跃着8亿活跃用户。这一平台在提供高度安全性的同时,也因其对手机号码的验证系统制造了一道特殊门槛,在政策限制和网络环境特殊的地区,经常会收不到验证码,这是新用户注册和老用户登录时最常见的障碍。 这篇文章就帮你全面梳理原因+有效解决办法,让你 5 分钟内搞定 Telegram 验证码收不到的问题! 一、无法收到T… siyushenqi.com 2025 年 8 月 13 日 下午9:58 501000 TikTok上百亿曝光!亚马逊仍少有人卖 一直以来,欧美时尚界都在声称力让时尚变得更具包容性,但却忽略了一类特殊的消费群体——残疾人。 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 406000 行业动态 00后搞AI,赔了600万,不敢回家过年 “当你在小黄文里看到炒显卡的情节的时候,你就知道这个市场是真的很热了。” “当你在小红书里,看到白女风小姐姐,也在炒显卡的时候,你就知道这个市场快完了。” siyushenqi.com 2025 年 8 月 13 日 401000 行业动态 股价飙升近20%,Shopee开始收割东南亚市场 2025Q2 Shopee GAAP营收38亿美元、GMV 298亿美元,核心市场收入(佣金+广告)同比+46%,远高于GMV的28%,首次实现季度EBITDA 2.28亿美元,标志平台走出补贴亏损,进入“收割期”。 siyushenqi.com 2025 年 8 月 15 日 452000 行业动态 OpenAI发布CriticGPT模型,帮助人类找出ChatGPT错误 6月28日凌晨,OpenAI在官网发布了,基于GPT-4的最新模型CriticGPT。 siyushenqi.com 2025 年 8 月 13 日 399000 行业动态 上线5个月下载破328万,专为女性居家健身打造,这款App如何突围北美? 掀起北美女性家庭健身热潮。 siyushenqi.com 2025 年 8 月 15 日 392000 行业动态 腾讯、网易、米哈游舞剑海外 在这10年间,无论是在精品主机游戏发达的欧美市场,还是在二次元、偶像文化浓厚的日韩市场,亦或者是在像东南亚、中东这样颇具发展潜力的新兴市场,都能看到国产游戏的身影。 siyushenqi.com 2025 年 8 月 24 日 447000 年度最佳游戏、东南亚收入天花板,为什么《仙境传说:新世代的诞生》手游能一直赢? 在中国游戏厂商手里,RO总是一个能够创造奇迹,特别是在海外市场创造奇迹的IP。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 574000 行业动态 全周期ASO分析指南:转化率优化的秘密武器 ASO(应用商店优化) 已成为推动用户从“曝光→下载→留存→忠诚”全流程转化的核心引擎。 siyushenqi.com 2025 年 11 月 19 日 383000 行业动态 00后游戏创业团队获真格基金投资,估值超千万 四川瞳电游科技获真格基金投资,成其首个00后创业标的,估值超千万,基金持股15%。 siyushenqi.com 2025 年 8 月 27 日 320000 行业动态 大手笔营销,双榜爬坡?《王者荣耀》第N次出海,数据如何? 6月20日,王者荣耀国际服《Honor of Kings》上线东南亚、北美、欧洲、日韩和拉美等市场,游戏上线后迅速登顶包含东南亚、北美地区的12个市场免费榜。 siyushenqi.com 2025 年 8 月 18 日 432000 行业动态 人民日报:中东地区电商经济快速发展,有望5年11.6%年复合增长 据人民日报报道:中东地区的电子商务正经历着前所未有的发展浪潮。 siyushenqi.com 2025 年 8 月 6 日 416000 行业动态 TikTok“下注”东南亚 19岁的桑迪·萨普特拉在TikTok拥有1050万粉丝,是印尼的顶级网红。 siyushenqi.com 2025 年 8 月 26 日 453000 阿里互娱第2款SLG又测试了 上周,阿里互娱的《代号S6》开启了新一轮测试。游戏制作人陆焕浩曾就职于网易银河工作室,参与过制作三国题材的MOBA网游《英雄三国》,加入阿里互娱后负责制作这款SLG新作。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 478000 行业动态 WhatsApp群发在私域流量运营中的价值研究 WhatsApp群发作为数字化营销的重要工具,逐渐成为私域流量运营中的关键部分。它不仅提高了企业与客户之间的沟通效率,还能增强客户粘性、促进转化。然而,WhatsApp群发也面临地域限制、过度使用引发的反感等挑战。其在私域流量管理中的... siyushenqi.com 2026 年 1 月 24 日 340000 产品创新丨因《堡垒之夜》大火而破圈的战斗通行证 如何成为爆款手游的标配(上) 战斗通行证(Battle Passes)最开始是在Valve的《Dota 2》和《军团要塞2》中引入的,后来又因《堡垒之夜》而普及。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 458000 行业动态 AI 音乐,会不会诞生下一个「抖音」? AI音乐最近火到发烫。 siyushenqi.com 2025 年 8 月 13 日 458000 私域神器周报 No.23丨前索尼互娱北美区CEO加入腾讯 看看出海圈本周又有哪些大事件 9月进入尾声,私域神器为大家整理了一周内出海行业中值得关注的新闻。前索尼互娱北美区CEO加入腾讯,除此之外私域神器还为大家总结了更多出海圈大事件,涉及手游、电商、泛娱乐等方面的重点事件。 一起看看这周有哪些出海圈值得关注的大事记吧! siyushenqi.com 2025 年 8 月 14 日 • 行业动态 431000 发表回复 请登录后评论...登录后才能评论 提交