OpenAI 发布新一代音频模型 API：打造更智能的语音助手
2025年3月，OpenAI发布新一代音频模型API，包括改进的语音转文本和文本转语音模型。新模型在准确性和噪声消除方面表现出色，并提供更强的可控性定制选项。开发者可通过API和集成的Agent SDK轻松访问这些功能。
语音转文本
刚刚，OpenAI 一口气发布三个新模型！还为此做了一个新网站
OpenAI发布全新一代音频模型，包括语音转文本和文本转语音功能。gpt-4o-transcribe单词错误率显著降低，gpt-4o-mini-tts支持可引导性合成。定价分别为每分钟0.006美元与0.015美元。
重磅！OpenAI推出语音智能体全家桶：可以实现前所未有的精细化教AI说话
OpenAI发布了三种新的先进音频模型：两款语音转文本模型表现优于Whisper，新TTS模型可教AI说话。为了让开发者构建强大的‘语音智能体’，OpenAI推出了三项重要功能：全新语音转文本模型、文本转语音模型和升级版Agent SDK。
速递｜ElevenLabs发布独立语音检测模型，旨在精细化理解和转录语音
ElevenLabs筹集1.8亿美元支持其首个独立语音转文本模型Scribe，旨在与竞争对手如Gladia、Speechmatics等竞争。该模型在超过99种语言中表现优异，已在多家企业提供服务，并正进军语音检测领域。