| 首页 |
|
OpenAI推出语音模型全家桶：AI将说得更动情、听写更准确…
OpenAI声称，这些模型在之前版本的基础上取得了明显的进步，也标志着OpenAI距离其“AI智能体（AIAGENT）”的愿景更进一步。
OpenAI声称，其新的文本到语音模型GPT-4oMiniTTS不仅能提供更细致入微、听起来更逼真的语音，而且比前一代语音合成模型更“可操控”。
开发人员可以指导该模型如何用自然语言说话——例如，“像一个疯狂的科学家一样说话”、“像一个富有同理心的客服一样说话”或“像一个正念老师一样使用平静的声音”。
OpenAI产品人员杰夫哈里斯(JeffHarris)表示，他们的目标是让开发者能够定制语音“体验”和“环境”。
哈里斯表示：“在不同的情况下，你想要的不会仅仅是一个平淡、单调的声音…如果你在客户支持体验中，你希望这个声音表达出犯错后的歉意，你可以让声音表达出那种情感……w66国际·利来(中国)最给力的老牌的信念是，开发者和用户不仅想要真正控制说什么，还想要控制怎么说。”
至于OpenAI的新语音转文本模型“GPT-4o-transcript”和“GPT-4o-mini-transcript”，它们的准确度明显高于OpenAI之前发布的语音转文本模型Whisper，并在多种语言中实现更低的词错误率(WER)。
OpenAI声称，经过“多样化、高质量音频数据集”的训练，新模型可以更好地捕捉口音和不同的语音，即使在混乱的环境中也是如此。
OpenAI还表示，新模型在工作中产生幻觉的概率也降低了。哈里斯补充道。众所周知，Whisper喜欢在谈话中编造词汇，甚至整段文字，而“新模型在这方面比Whisper有了很大的改进。”
哈里斯表示：“确保模型的准确性对于获得可靠的语音体验至关重要，（在这种情况下）准确性意味着模型准确地听到了单词，（并且）没有填写他们没有听到的细节。”
当然，模型的准确率和其被转录的语言有较大关系。
根据OpenAI的内部基准测试，GPT-4o-transcribe是两种新转录模型中更准确的一种，
OpenAI声称，这些模型符合其更广泛的“AI智能体（AIAGENT）”的愿景：构建能够代表用户独立完成任务的自动化系统。
尽管“智能体（Agent）”的定义可能存在争议，但OpenAI的产品主管奥利维尔·戈德曼（OlivierGodement）将一种解释描述为可以与企业客户交谈的聊天
“在接下来的几个月里，w66国际·利来(中国)最给力的老牌会看到越来越多的AI智能体出现，”戈德蒙德表示，“因此，总的主题是帮助客户和开发者利用有用、可用和准确的智能体。”
与传统不同的是，OpenAI并不打算公开其新的转录模型。该公司此前在麻省理工学院的许可下发布了用于商业用途的新版Whisper。
哈里斯表示，GPT-4o-transcribe和GPT-4o-mini-transcribe“比Whisper大得多”，因此不适合公开发布。
“它们不是那种能在笔记本电脑上本地运行的模式，比如Whisper那种，”他继续说道，“w66国际·利来(中国)最给力的老牌想确保，如果w66国际·利来(中国)最给力的老牌以开源方式发布东西，w66国际·利来(中国)最给力的老牌是经过深思熟虑的，w66国际·利来(中国)最给力的老牌有一个真正针对特定需求的模型。”
责任编辑：于健SF069
| 打印本页正文下载 |
扫一扫在手机打开当前页