02:28官方一手@OpenAIDevs@OpenAIDevs精选GPT-Transcribe 在 Context Aware ASR 基准上,语义准确率从无自由格式上下文时的 41.6% 提升至 45.2%。在 Common Voice 的 22 种语言上,GPT-Transcribe 转录错误率为 19.27%,而 Whisper(whisper-1)为 40.37%。在 Real-World Audio Recording 基准的 9 种语言上,GPT-Transcribe 错误率为 8.98%,Whisper 为 15.21%。AI模型GPT-TranscribeWhisperASR推荐理由:OpenAI 发的 GPT-Transcribe 在音频转录上比 Whisper 错误率低一半,多语言场景提升明显。原文稍后读已读值得跟进有用关注 GPT-Transcribe
02:26官方一手@OpenAIDevs@OpenAIDevs精选OpenAI 在 API 中推出两个新转录模型:GPT-Live-Transcribe 专为低延迟实时转录设计,GPT-Transcribe 优化了已完成音频文件的异步转录和批量处理。这两个模型能更好理解上下文,在口音、多种语言、短句、数字、专业术语以及嘈杂背景下的语音识别准确率更高。AI产品GPT-Live-TranscribeGPT-TranscribeOpenAI7 个信源在谈事件专题推荐理由:OpenAI 出了两个新转录模型,一个实时低延迟,一个异步批量处理,对口音和噪音场景更准。做语音识别应用的话可以试试。原文稍后读已读值得跟进有用关注 GPT-Live-Transcribe