Hôm nay (29 tháng 7), OpenAI thông báo trên nền tảng X rằng họ đã ra mắt hai mô hình phiên âm GPT-Live-Transcribe và GPT-Transcribe, đồng thời hỗ trợ gọi qua API.
Về chi phí sử dụng
Chi phí phiên âm của GPT-Live-Transcribe là 0.017 USD mỗi phút (lưu ý: theo tỷ giá hiện tại tương đương khoảng 0.12 nhân dân tệ)
Chi phí phiên âm của GPT-Transcribe là 0.0045 USD mỗi phút (theo tỷ giá hiện tại tương đương khoảng 0.03 nhân dân tệ)
OpenAI cho biết so với các mô hình trước đây của công ty, hai mô hình phiên âm nói trên có khả năng hiểu ngữ cảnh tốt hơn và cung cấp bản phiên âm chính xác hơn trên âm thanh thực tế với nhiều giọng nói và ngôn ngữ khác nhau, bao gồm cụm từ, chữ số, thuật ngữ chuyên môn và giọng nói có tiếng ồn nền lớn.
GPT-Live-Transcribe được xây dựng dành riêng cho phiên âm theo thời gian thực với độ trễ thấp; còn GPT-Transcribe được tối ưu cho phiên âm không đồng bộ đối với các tệp âm thanh đã hoàn tất và khối lượng công việc theo lô.
Trong bài kiểm thử chuẩn Context Aware ASR, độ chính xác ngữ nghĩa của GPT-Transcribe tăng từ 41.6% khi không có ngữ cảnh tự do lên 45.2% khi có ngữ cảnh.
Trên 22 ngôn ngữ của Common Voice, tỷ lệ lỗi phiên âm của GPT-Transcribe là 19.27%, trong khi Whisper (whisper-1) là 40.37%. Trên 9 ngôn ngữ trong bộ kiểm thử chuẩn ghi âm thanh thực tế, GPT-Transcribe đạt tỷ lệ lỗi phiên âm 8.98%, còn Whisper (whisper-1) là 15.21%.