OpenAI phát hành hai mô hình chuyển giọng nói thành văn bản, giảm giá 25%.

Theo dữ liệu giám sát từ Beating, OpenAI đã phát hành hai mô hình chuyển giọng nói thành văn bản là GPT Transcribe và GPT Live Transcribe. Mô hình đầu tiên xử lý các tệp ghi âm và tác vụ hàng loạt, trong khi mô hình thứ hai được sử dụng cho các tình huống thời gian thực như phụ đề trực tiếp và cuộc gọi điện thoại.

Cả hai mô hình đều có thể kết hợp chủ đề ghi âm, từ khóa và gợi ý ngôn ngữ, tập trung cải thiện hiệu quả nhận dạng trong các câu ngắn, số liệu, thuật ngữ chuyên ngành, giọng đa dạng và môi trường ồn ào.

Theo đo lường của Artificial Analysis, tỷ lệ lỗi từ của GPT Transcribe là 3,31%, thấp hơn 0,7 điểm phần trăm so với thế hệ trước GPT-4o Transcribe. Giá cũng giảm 25%, với mức phí 4,5 USD cho mỗi 1000 phút âm thanh.