OpenAI 发布新一代语音模型，让 AI 智能体语音表达更自然

　　OpenAI 昨日(3 月 20 日)发布博文，宣布推出语音转文本(speech-to-text)和文本转语音(text-to-speech)模型，提升语音处理能力，支持开发者构建更精准、可定制的语音交互系统，进一步推动人工智能语音技术的商业化应用。

　　在语音转文本模型上，OpenAI 主要推出了 gpt-4o-transcribe 和 gpt-4o-mini-transcribe 两个模型，官方表示在单词错误率(WER)、语言识别和准确性上超越现有 Whisper 系列。

　　这两个模型支持超 100 种语言，主要通过强化学习和多样化高质量音频数据集训练，能捕捉细微语音特征，减少误识别，尤其在嘈杂环境、口音及不同语速下表现更稳定。

　　在文本转语音上，OpenAI 最新推出了 gpt-4o-mini-tts 模型，开发者通过“模拟耐心客服”或“生动故事叙述”等指令，控制语音风格，可以应用于客服(合成更具同理心的语音，提升用户体验)和创意内容(为有声书或游戏角色设计个性化声音)方面。