Lưu trữ — US — techcrunch
OpenAI nâng cấp mô hình AI chuyển văn bản và tạo giọng nói
OpenAI đã nâng cấp các mô hình trích xuất và tạo giọng nói, giới thiệu gpt-4o-mini-tts và gpt-4o-transcribe. Các mô hình này cải thiện trải nghiệm người dùng với cảm xúc giọng nói có thể tùy chỉnh và độ chính xác cao hơn trong việc nhận dạng âm thanh. Khác với các mô hình trước đó, chúng sẽ không được công khai, phản ánh sự thay đổi trong cách tiếp cận của OpenAI đối với nhu cầu ngày càng tăng về các giải pháp trí tuệ nhân tạo cá nhân hóa.
Điểm chính
- OpenAI ra mắt các mô hình chuyển văn bản mới (gpt-4o-transcribe, gpt-4o-mini-transcribe) và mô hình giọng nói (gpt-4o-mini-tts).
- Mô hình giọng nói mới cung cấp âm thanh tinh tế có thể phản ánh cảm xúc dựa trên ngữ cảnh.
- Các mô hình chuyển văn bản được nói là xử lý tốt hơn các loại tiếng địa phương và giọng đọc so với mô hình Whisper cũ, thường thấy hiện tượng sai lệch không đáng tin cậy.
- Các mô hình mới có tỷ lệ lỗi từ gần 30% cho một số ngôn ngữ Ấn Độ, cho thấy có không gian để cải thiện.
- OpenAI quyết định không phát hành các mô hình mới dưới dạng mã nguồn mở do kích thước và độ phức tạp, chọn lựa một cách tiếp cận thận trọng hơn cho việc triển khai.
Vì sao quan trọng
- Công nghệ trí tuệ nhân tạo phát triển, các công ty ngày càng tập trung vào việc tạo ra các ứng dụng cá nhân hóa, hiểu bối cảnh để cải thiện tương tác người dùng – phản ánh xu hướng trong trải nghiệm người dùng và đạo đức trí tuệ nhân tạo thấy trong năm 2025.
- Quyết định không phát hành các mô hình dưới dạng mã nguồn mở phù hợp với sự di chuyển rộng lớn trong ngành công nghiệp hướng tới việc truy cập kiểm soát đối với các công nghệ trí tuệ nhân tạo mạnh mẽ, điều này đã trở thành một điểm tranh cãi giữa các chuyên gia.
Các tiến bộ của OpenAI đánh dấu một sự chuyển đổi đáng kể hướng phát triển các giải pháp AI linh hoạt và cá nhân hóa hơn, phản ánh một xu hướng rộng lớn để ưu tiên triển khai kiểm soát và thiết kế hướng người dùng trong các đổi mới AI trong tương lai.