【okooo澳客官網(wǎng)科技消息】7月29日，OpenAI Developers官方宣布在API中推出兩款語音轉(zhuǎn)錄模型。其中，GPT-Live-Transcribe面向低延遲實(shí)時(shí)轉(zhuǎn)錄場景，GPT-Transcribe則針對已完成音頻文件的異步轉(zhuǎn)錄及批量處理任務(wù)進(jìn)行優(yōu)化。

OpenAI

　　OpenAI表示，兩款模型進(jìn)一步提升了上下文理解能力，在不同語言、口音及復(fù)雜真實(shí)環(huán)境中能夠提供更準(zhǔn)確的轉(zhuǎn)錄結(jié)果，尤其改善了短語、數(shù)字、專業(yè)術(shù)語以及強(qiáng)背景噪聲下的識別表現(xiàn)。開發(fā)者還可以向模型提供錄音內(nèi)容簡介、姓名及領(lǐng)域術(shù)語關(guān)鍵詞、預(yù)期語言和前序轉(zhuǎn)錄內(nèi)容，以提高識別準(zhǔn)確率。

　　測試數(shù)據(jù)顯示，在OpenAI新建立的上下文感知自動(dòng)語音識別評測中，GPT-Live-Transcribe的語義準(zhǔn)確率在未提供自由形式上下文時(shí)為38.5%，加入上下文后提高至44.6%。在覆蓋22種語言的Common Voice測試中，其轉(zhuǎn)錄錯(cuò)誤率為19.70%，略低于GPT-Realtime-Whisper-1的20.33%；在九種語言的真實(shí)錄音測試中，兩者分別為9.60%和11.65%。

　　GPT-Transcribe同樣可以利用上下文提高表現(xiàn)，其語義準(zhǔn)確率由41.6%升至45.2%。在Common Voice測試中，該模型的轉(zhuǎn)錄錯(cuò)誤率為19.27%，相比Whisper-1的40.37%明顯降低；真實(shí)錄音測試中的錯(cuò)誤率為8.98%，Whisper-1則為15.21%。

版權(quán)所有，未經(jīng)許可不得轉(zhuǎn)載