OpenAI 出了两款转录模型，GPT-Live-Transcribe 实时转录延迟低，GPT-Transcribe 批量处理更便宜，错误率比 Whisper 低一半多。
OpenAI 推出 GPT-Live-Transcribe 和 GPT-Transcribe 两种转录模型，已开放 API 调用。GPT-Live-Transcribe 专为低延迟实时转录设计，费用每分钟 0.017 美元；GPT-Transcribe 用于异步转录，费用每分钟 0.0045 美元。在 Context Aware ASR 基准上，GPT-Transcribe 语义准确率从无上下文的 41.6% 提升至有上下文的 45.2%。在 Common Voice 22 种语言上，GPT-Transcribe 转录错误率为 19.27%，低于 Whisper（whisper-1）的 40.37%。在真实世界音频九种语言上，其转录错误率 8.98%，Whisper 为 15.21%。
IT之家 7 月 29 日消息，OpenAI 公司今天（7 月 29 日）在 X 平台发布公告， 宣布推出 GPT-Live-Transcribe 和 GPT-Transcribe 两种转录模型，并支持通过 API 方式调用。 调用费用方面 GPT-Live-Transcribe 转录费用为每分钟 0.017 美元（IT之家注：现汇率约合 0.12 元人民币） GPT-Transcribe 转录费用为每分钟 0.0045 美元（现汇率约合 0.03 元人民币） OpenAI 官方表示相比公司此前模型，上述两种转录模型可以更好地理解上下文，并能在各种口音和语言的真实世界音频上提供更准确的转录，包括短语、数字、专业术语以及带有响亮背景噪音的语音。 GPT-Live-Transcribe 是专为低延迟实时转录而构建；而 GPT-Transcribe 可以优化已完成音频文件和批量工作负载的异步转录。 在 Context Aware ASR 基准测试上，GPT-Transcribe 语义准确率从无自由形式上下文的 41.6% 提高到有上下文的 45.2%。 在 Common Voice 的 22 种语言上，GPT-Transcribe 的转录错误率为 19.27%，而 Whisper (whisper-1) 为 40.37%。在真实世界音频录制基准的九种语言上，它实现了 8.98% 的转录错误率，而 Whisper (whisper-1) 为 15.21%。