OpenAI推出两款新转录模型API

OpenAI在API中发布了两款新的转录模型：GPT-Live-Transcribe用于低延迟实时转录，GPT-Transcribe用于异步批量转录。两者均能更好地理解上下文，在处理口音、语言、短句、数字、专业术语及背景噪音时提供更准确的转录。

此前OpenAI的转录模型（如Whisper）未明确区分实时与批量场景，新模型专攻两种方向，且声称在口音、噪音等复杂条件下有显著准确率提升，这将直接影响语音应用的字准率与用户体验。

两种模型均基于GPT架构，利用上下文理解能力提升转录准确率。GPT-Live-Transcribe针对流式输入优化，降低端到端延迟；GPT-Transcribe针对完整音频文件并行处理，平衡吞吐与成本。推测其采用端到端编码-解码或注意力机制，实时模型可能通过分块流式解码实现低延迟。

开发者可在语音助手、实时会议记录、直播字幕等场景接入GPT-Live-Transcribe获得更准的实时转写；在视频转写、呼叫中心分析、播客字幕等批量任务中可选用GPT-Transcribe提升准确率，减少后期人工校对。

• 1. 在语音笔记或实时翻译产品中集成GPT-Live-Transcribe，提升多口音和噪声场景下的转写准确性。
• 2. 为视频平台提供基于GPT-Transcribe的字幕生成服务，支持专业术语和多种语言。
• 3. 面向呼叫中心开发质检系统，利用异步转录模型更精准地提取客户与客服对话中的数字和关键词。
• 4. 在车载或工业降噪设备中，用低延迟模型实现语音指令识别，突破嘈杂环境限制。

• 1. 两款模型的具体价格如何？是否按音频时长或API调用次数计费？
• 2. 它们与OpenAI原有Whisper模型的准确率对比数据是多少？
• 3. GPT-Live-Transcribe的实际端到端延迟能低至多少毫秒？
• 4. 是否支持中文等多种语言的同传实时转写？