アーカイブ — US — techcrunch
OpenAI、音声転写および生成AIモデルをアップグレード
OpenAIは、転写と音声生成のAIモデルをアップグレードしました。gpt-4o-mini-ttsとgpt-4o-transcribeを導入しました。これらのモデルは、ユーザーエクスペリエンスを向上させ、声の感情をカスタマイズでき、音声認識の精度も向上させています。以前のモデルとは異なり、これらのモデルはオープンソースで利用可能にはなりません。これは、オープンAIのアプローチが変わりつつある中で、ニーズに合ったAIソリューションの需要が高まっていることを反映しています。
要点
- OpenAIが新しい転写モデル（gpt-4o-transcribe、gpt-4o-mini-transcribe）および音声モデル（gpt-4o-mini-tts）をリリースしました。
- 新しい音声モデルは、文脈に基づいて感情的なニュアンスを反映できる話し方を提供します。
- 転写モデルは、以前のWhisperモデルよりも様々なアクセントのある話し方をよりよく処理できると言われています。
- 新しいモデルは、特定のインド言語において30%に近い単語エラー率を報告しており、改善の余地があることを示しています。
- OpenAIは、これらの大きさと複雑さのため、新しいモデルをオープンソースとして公開しないことを選択し、導入に対してより慎重なアプローチを取っています。
なぜ重要か
- AIテクノロジーの進化に伴い、企業はユーザーインタラクションを向上させるために、ユーザーエクスペリエンスやAIの倫理に関する2025年のトレンドを反映した、カスタマイズされたコンテキストに適したアプリケーションの開発に注力しています。
- モデルをオープンソースとして公開しない方針は、強力なAIテクノロジーへの制限されたアクセスへの産業全体の動きと一致しており、これについては専門家の間で議論の的となっています。
OpenAIの進化は、より応答性の高いカスタマイズされたAIソリューションの開発に向けて大きな転換点を示しており、将来のAI革新において、コントロールされた展開とユーザーセントリックなデザインを優先する広範なトレンドを反映しています。