IT之家 3 月 21 日音问，OpenAI 昨日（3 月 20 日）发布博文，通知推出语音转文本（speech-to-text）和文本转语音（text-to-speech）模子，提高语音惩处才能，扶助诞生者构建更精确、可定制的语音交互系统，进一步激动东说念主工智能语音本领的营业化运用。

　　在语音转文本模子上，OpenAI 主要推出了 gpt-4o-transcribe 和 gpt-4o-mini-transcribe 两个模子，官方默示在单词诞妄率（WER）、话语识别和准确性上卓越现存 Whisper 系列。

　　这两个模子扶助超 100 种话语，主要通过强化学习和万般化高质地音频数据集熏陶，能捕捉幽微语音特征，减少误识别，尤其在嘈杂环境、口音及不同语速下弘扬更知晓。

　　在文本转语音上，OpenAI 最新推出了 gpt-4o-mini-tts 模子，诞生者通过“模拟耐性客服”或“机动故事解说”等辅导，截止语音立场，不错运用于客服（合成更具同理心的语音，提高用户体验）和创意本色（为有声书或游戏变装计算个性化声息）方面。

　　IT之家征引博文先容，附上三款模子用度如下：

　　gpt-4o-transcribe：音频输入每 100 万 tokens 用度 6 好意思元、文本输入每 100 万 tokens 用度 2.5 好意思元，输出每 100 万 tokens 用度 10 好意思元，每分钟资本 0.6 好意思分。

　　gpt-4o-mini-transcribe：音频输入每 100 万 tokens 用度 3 好意思元、文本输入每 100 万 tokens 用度 1.25 好意思元，输出每 100 万 tokens 用度 5 好意思元，每分钟资本 0.3 好意思分。

露出twitter

　　gpt-4o-mini-tts：每 100 万 tokens 输入用度为 0.60 好意思元hongkongdoll onlyfans，每 100 万 tokens 输出用度为 12 好意思元，每分钟资本 1.5 好意思分。