OpenAI刚刚推出了新的GPT-4O音频模型，以改善识别和人声合成。现在，它们比他们的前任更精确，现在可以控制AI的语气和语调，从而为更自然和个性化的人声互动打开了道路。
音频型号用于更好的语音互动
因此，OpenAI推出了三种新的音频型号：GPT-4O-Transcribe，GPT-4-MINI-TRANSCIBE和GPT-4O-MINI-TTS。他们的目标？使声乐剂在理解和口头表达方面更加自然，更精确。这些模型可通过想要增加容量的开发人员可以访问到他们的申请。
GPT-4O-Transcribe和GPT-4-Mini-Transcribe型号旨在将单词转换为文本，以更高的精度为OpenAI的旧窃窃私语模型。了解不同的口音，过滤背景噪声并管理语音速度变化，他们的效率将特别值得注意。在评估100多种语言的转录的基准速度上，这些模型比以前的版本显示出更好的结果，甚至超过了某些竞争解决方案。
推动语音自定义
真正的新颖性来自GPT-4O-Mini-TTS模型。这使开发人员不仅可以修改AI所说的话，还可以修改它的说法。多亏了一种称为的技术可管道性
，他们可以要求模型以欢乐，镇定甚至怪异的语气说话，具体取决于所需的用途。此选项对于客户服务或音频叙述特别有用。 OpenAI还启动了一个名为OpenAI.FM的演示平台，该平台允许用户测试这些新声音并探索其不同的个性化选项。您可以飞跃，每个人都可以访问它。
可访问的价格
这些新型号以相当实惠的价格可通过OpenAI API获得。GPT-4O-transcibe的价格约为0.600分，而GPT-4O-MINI-TRASCRIBL的价格约为每分钟0.300。就其部分而言，GPT-4O-MINI-TTS的成本约为每分钟1.500。得益于SDK代理的更新，在现有代理中的实现也可以简化，这使开发人员仅在九行代码中添加了人声功能。
Openai计划进一步改善其人声模型，特别是通过开发创建个性化声音的选项，并确保最佳使用安全性。该公司还致力于将其音频模型集成到其他格式（例如视频）中，并具有提供越来越现实的IA相互作用的野心。
