gpt-4o-transcribe是什么
gpt-4o-transcribe是 OpenAI 推出的高性能语音转文本模型。基于最新的语音模型架构，用海量多样化音频数据训练，精准捕捉语音细微差别，显著降低单词错误率（WER），优于前代 Whisper 模型。模型支持多种语言和方言，适合处理口音多样、环境嘈杂、语速变化等复杂场景，如呼叫中心、会议记录等。gpt-4o-transcribe的定价为每分钟 0.006 美元。
gpt-4o-transcribe – OpenAI 推出的语音转文本模型
来源：爱论文 时间：2025-04-20 11:18:00
相关资讯
更多+
-
gpt-4o-transcribe – OpenAI 推出的语音转文本模型gpt-4o-transcribe是 OpenAI 推出的高性能语音转文本模型。基于最新的语音模型架构，用海量多样化音频数据训练，精准捕捉语音细微差别，显著降低单词错误率（WER），优于前代 Whisper 模型。模型支持多种语言和方言，适合处理口音多样、环境嘈杂、语速变化等复杂场景，如呼叫中心、会议记录等。
AI教程资讯
2023-04-14
-
GPT-4o mini TTS – OpenAI 推出的文本转语音模型GPT-4o mini TTS 是 OpenAI 推出的轻量级文本转语音模型，支持将文本内容转换为自然流畅语音的同时，开发者能用指令控制语音的语调、情感和风格，例如“平静”“鼓励”“严肃”等，适应不同场景需求。模型基于先进语音合成技术，生成高质量语音输出，支持多种语言及不同性别、年龄和口音的语音，满足多样化用户需求。
AI教程资讯
2023-04-14
-
福棠·百川 – 百川智能联合北京儿童等推出的儿科大模型福棠·百川是是国家儿童医学中心、首都医科大学附属北京儿童医院联合百川智能、小儿方健康共同发布的全球首个儿科大模型。覆盖了儿童常见病及疑难病症的立体化知识体系，具备强大的儿科临床推理能力，首创儿科“循证模式”，能像专业儿科医生一样整合最佳医学证据，为患儿制定科学、个性化的诊疗方案。
AI教程资讯
2023-04-14
-
Agent TARS – 字节跳动开源的多模态 AI Agent 项目Agent TARS 是字节跳动开源的多模态 AI 代理工具。基于视觉解释网页内容，与浏览器、命令行和文件系统无缝集成，实现复杂任务的规划与执行。Agent TARS 提供桌面客户端，展示多模态元素和对话流程。Agent TARS凭借开源特性和强大的工具集成能力，成为 AI 辅助任务执行和研究的强大工具。
AI教程资讯
2023-04-14
下载
热门推荐
更多+
AI专辑
热门专辑
- SPAR3D – Stability AI等机构推出的单试图重建 3D 网络模型 01-13
- rStar-Math – 微软推出的小模型复杂推理与自进化SLMs的创新技术 01-13
- Hallo3 – 复旦联合百度开源的高动态与真实感肖像动画生成框架 01-13
- SWE-Kit – 构建自定义软件工程AI代理的开源框架 02-07
- Agent Laboratory – AMD 联合约翰·霍普金斯大学推出的自主科研 Agent 01-13
- ConceptMaster – 高保真多概念视频定制生成的创新 AI 框架 01-13
- 星火纪要 – 科大讯飞推出的会议交流总结和分析平台 01-13
- CHRONOS – 阿里通义联合上海交大等推出时间线摘要生成新框架 01-14
- UniReal – 港大联合 Adobe 推出的通用图像生成和编辑框架 01-22
- 日日新融合大模型 – 商汤科技推出的原生融合模态大模型 01-13
