@reach_vb: 两个新的转录模型现已在 API 中可用！> GPT Live Transcribe 用于低延迟实时转录 > G…

X AI KOLs Following 模型
transcription speech-to-text low-latency api openai live-transcription batch-transcription

摘要

OpenAI 发布了两个新的转录模型：GPT Live Transcribe 用于低延迟场景，GPT Transcribe 用于批处理工作负载，错误率降低高达 41%，并通过上下文提高了语义准确性。

两个新的转录模型现已在 API 中可用！ > GPT Live Transcribe 用于低延迟实时转录 > GPT Transcribe 用于已完成音频和批处理工作负载 最酷的是它们利用上下文的方式——你可以传递关于录音的自由形式信息、重要关键词和多种预期语言。 Live 还可以使用之前的轮次作为上下文。 这些改进非常显著： > Live 的错误率为 9.60%，而此前为 11.65%（降低约 18%） > Transcribe 的错误率为 8.98%，而 Whisper-1 为 15.21%（降低约 41%） > 添加上下文使语义准确性从 38.5% 提升至 44.6%（Live），以及从 41.6% 提升至 45.2%（Transcribe） 基本上：在不同口音和语言上的转录效果大幅提升，尤其是短句、数字、技术术语和嘈杂音频。 对语音代理、通话、字幕、会议等非常有用！ 现已在 API 中可用！https://x.com/OpenAIDevs/status/2082201169443905798/video/1…
查看原文
查看缓存全文

缓存时间: 2026/07/29 14:05

现在API中提供了两个全新的转录模型！

GPT Live Transcribe：适用于低延迟实时转录 GPT Transcribe：适用于完整音频和批量工作负载

最酷的是它们能够充分利用上下文信息——你可以传递关于录音的自由形式信息、关键关键词以及多种预期语言。

Live模式还能利用之前的轮次作为上下文。

改进效果非常显著：

Live模式错误率从11.65%降至9.60%（降低约18%） Transcribe模式错误率从Whisper-1的15.21%降至8.98%（降低约41%） 添加上下文后，语义准确率从38.5%提升至44.6%（Live模式），从41.6%提升至45.2%（Transcribe模式）

简单来说：在口音和语言识别方面大幅提升，尤其适用于短句、数字、技术术语和嘈杂音频。

对语音助手、通话、字幕、会议等场景非常有用！

现在即可在API中获取！https://x.com/OpenAIDevs/status/2082201169443905798/video/1…

相似文章

Introducing gpt-transcribe and gpt-live-transcribe

YouTube AI Channels

OpenAI 发布 GPT-Transcribe 和 GPT-Live-Transcribe 两款转录模型，分别针对完整文件批处理与实时流式场景，支持 57 种语言、自定义词汇表及多语言自动切换，在口音和噪音等困难场景中表现更优。

API 推出全新模型，推动语音智能发展

OpenAI Blog

OpenAI 在 API 中发布了三款全新语音模型：具备高级推理能力的 GPT-Realtime-2、支持实时多语言翻译的 GPT-Realtime-Translate，以及用于流式转录的 GPT-Realtime-Whisper，旨在实现更自然、更具行动力的语音应用。

在API中引入下一代音频模型

OpenAI Blog

OpenAI 为 API 引入了下一代音频模型，包括改进的语音转文本（gpt-4o-transcribe、gpt-4o-mini-transcribe）和可自定义的文本转语音模型，使开发者能够构建更智能、更具表现力的语音代理，在具有挑战性的场景中提升准确性。

OpenAI 发布新语音模型，实现更自然的实时对话

TechCrunch AI

OpenAI 发布了新的全双工语音模型 GPT-Live-1 和 GPT-Live-1 mini，旨在实现更自然的实时对话，支持同时说话和聆听，在轮流发言和上下文处理方面有所改进，并取代 ChatGPT 中的 Advanced Voice Mode。