Новость

OpenAI представила модели GPT Transcribe и GPT Live Transcribe для распознавания речи

1 источник

Все новости

OpenAI выпустила две новые модели для распознавания речи — GPT Transcribe и GPT Live Transcribe. Обе доступны через API, поддерживают контекст, ключевые слова и мультиязычный ввод, а также получили сниженные цены.

OpenAI представила две новые модели для распознавания речи: GPT Transcribe и GPT Live Transcribe. GPT Transcribe предназначена для обработки аудиофайлов и работает примерно в 34 раза быстрее реального времени, а GPT Live Transcribe оптимизирована для потоковой расшифровки с минимальной задержкой. Обе модели доступны через API и поддерживают текстовый контекст, заданные ключевые слова и мультиязычный ввод. По тестам Artificial Analysis на бенчмарке AA-WER, GPT Transcribe показывает WER 3,3%, что на 0,7 процентного пункта лучше предыдущей модели GPT-4o Transcribe. Вместе с релизом OpenAI снизила цены: минута обработки аудио для GPT Transcribe стоит $0,0045, для GPT Live Transcribe — $0,017.

Источники 1
  • OpenAI представила модели GPT Transcribe и GPT Live Transcribe для распознавания речи Machinelearning 
    ✔️ OpenAI представила новые модели распознавания речи

GPT Transcribe предназначена для работы с аудиофайлами и обрабатывает их примерно в 34 раза быстрее реального времени.

GPT Live Transcribe оптимизирована для потоковой расшифровки звука с минимальной задержкой.

Оба решения доступны через API, умеют учитывать текстовый контекст и заданные ключевые слова, а также поддерживают мультиязычный ввод.

По данным тестов Artificial Analysis на бенчмарке AA-WER, GPT Transcribe демонстрирует уровень ошибок в словах (WER) на отметке 3,3%. Это на 0,7 пп лучше результата ее предшественницы - GPT-4o Transcribe.

Несмотря на улучшенные метрики, изделие OpenAI пока не дотягивает до лидеров.

В рейтинге AA-WER первое место у Fun-Realtime-ASR-Preview от Alibaba Group с показателем 1,7% второе - у ElevenLabs Scribe v2 (2,2%), за ней следуют MAI-Transcribe-1.5 (2,4%), Mistral Voxtral Small (2,8%) и Gemini 3.1 Pro (2,8%).

Вместе с релизом OpenAI снизила тарифы -  минута обработки аудио обойдется в $0,0045, а для GPT Live Transcribe - $0.017.


@ai_machinelearning_big_data

#news #ai #ml