🔒Открыть пост
и посмотреть медиа
и посмотреть медиа
🎙 OpenAI релизнули новые аудио-модели: точнее распознают, гибче озвучивают
OpenAI только что выкатили обновлённые инструменты для распознавания речи и генерации голоса, которые серьёзно превосходят старые модели.
Разбираемся, что нового:
Речь-в-текст
Появились две новые модели:
🔵gpt-4o-transcribe — флагман для максимально точной транскрипции. Понимает акценты, справляется с фоновым шумом и почти не «галлюцинирует».
🔵gpt-4o-mini-transcribe — компактная версия для тех, кто ценит баланс между скоростью и ценой.
Сравнения на графиках показывают: даже в сложных языках и шумных условиях эти модели обходят старый Whisper и других конкурентов.
Текс-в-речь
Самая крутая новинка — gpt-4o-mini-tts. Теперь можно не просто «озвучить» текст, а задать стиль и эмоцию. В промпте можно писать:
— «Говори спокойно, как учитель медитации»
— «Произнеси с лёгким извинением, будто оператор допустил ошибку»
— «Озвучь в стиле детективного рассказа»
Огромное поле для кастомизации: от дружелюбного клиента-саппорта до выразительной подачи для презентаций и сторителлинга.
💸 Что по стоимости (за 1 млн. токенов):
➖gpt-4o-transcribe — $0.006 за минуту
➖gpt-4o-mini-transcribe — $0.003 за минуту
➖gpt-4o-mini-tts (озвучка) — $0.015 за минуту
⚠️На старте доступны только предустановленные голоса, но OpenAI уже работает над возможностью загружать свои кастомные варианты.
➡️Попробовать можно — тут.
➡️Подробная документация и гайд — здесь.
🐾 ChatGPTrue