GPT Transcribe 发布，语音识别精度对标行业

OpenAI 发布了 GPT Transcribe 和 GPT Live Transcribe，两个新的语音识别模型，可通过其 API 获得。GPT Transcribe 用于处理预录制音频文件，处理速度比实时快约 34 倍。GPT Live Transcribe 为实时流处理而构建，具有低延迟特性。

根据运行 AA-WER 基准的 Artificial Analysis，GPT Transcribe 的字错率为 3.31%。相比一年前的旧版本 GPT-4o Transcribe，这提高了 0.7 个百分点。同时价格下降了 25%，现为每分钟音频 0.0045 美元。两个模型都支持文本作为转录上下文、关键词和多种输入语言。

在 AA-WER 排名中，OpenAI 仍然落后于几个竞争对手。ElevenLabs Scribe v2 以 2.3% 的错误率领先，其次是 Google 的 Gemini 3 Pro（2.9%）和 Mistral 的 Voxtral Small（3%）。Mistral 最近通过推出 Voxtral Transcribe V2 降低了市场价格，仅需每分钟 0.003 美元。

完整详情请见 OpenAI 的 Transcription Guide。这些新的转录模型补充了 OpenAI 最近宣布的 Realtime 模型生成功能，其中还包括实时转录模型 GPT-Realtime-Whisper。

AI 新闻去浮躁版 – 由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 通讯、我们每年六次的独家"AI Radar"前沿报告、完整档案访问权限以及评论区访问权限。