GPT-4o-Transcribe
发布时间: 2025-03-20
4K tokens
语音大模型
2025-03-20
0
输入不支持
输入不支持
输入不支持
输入不支持
输入不支持
输出不支持
输出不支持
输出不支持
输出不支持
输出不支持
GPT-4o-Transcribe是OpenAI在2025年3月21日发布的自动语音识别的大模型,用于替换2年前OpenAI开源的Whisper系列自动语音识别模型,它是基于GPT-4o架构构建,识别错误率相比此前模型更低,在英文的错字率(word error rate)仅有2.46%。
GPT-4o-Transcribe支持100多种语言的自动语音识别,支持噪音消除和基于语义的语音分割(也就是根据语音的语义来进行语音分割,降低识别错误率)。
GPT-4o-Transcribe在大量的高质量、多样化的语音数据集上训练,引入来强化学习和midtraining技术来处理具有挑战性的场景。
GPT-4o-Transcribe不开源,目前仅通过API提供,每100万语音输入的tokens需要6美元(大约一分钟0.006分钱)。
关注DataLearnerAI微信公众号,接受最新大模型资讯