【CNMO 科技消息】7 月 29 日，OpenAI Developers 官方宣布在 API 中推出两款语音转录模型。其中，GPT-Live-Transcribe 面向低延迟实时转录场景，GPT-Transcribe 则针对已完成音频文件的异步转录及批量处理任务进行优化。

OpenAI

OpenAI 表示，两款模型进一步提升了上下文理解能力，在不同语言、口音及复杂真实环境中能够提供更准确的转录结果，尤其改善了短语、数字、专业术语以及强背景噪声下的识别表现。开发者还可以向模型提供录音内容简介、姓名及领域术语关键词、预期语言和前序转录内容，以提高识别准确率。

测试数据显示，在 OpenAI 新建立的上下文感知自动语音识别评测中，GPT-Live-Transcribe 的语义准确率在未提供自由形式上下文时为 38.5%，加入上下文后提高至 44.6%。在覆盖 22 种语言的 Common Voice 测试中，其转录错误率为 19.70%，略低于 GPT-Realtime-Whisper-1 的 20.33%；在九种语言的真实录音测试中，两者分别为 9.60% 和 11.65%。

GPT-Transcribe 同样可以利用上下文提高表现，其语义准确率由 41.6% 升至 45.2%。在 Common Voice 测试中，该模型的转录错误率为 19.27%，相比 Whisper-1 的 40.37% 明显降低；真实录音测试中的错误率为 8.98%，Whisper-1 则为 15.21%。

版权所有，未经许可不得转载