OpenAI 推出 GPT-Live-Transcribe 提供低延遲語音即時轉錄

OpenAI 推出 GPT-Live-Transcribe 提供低延遲語音即時轉錄。 兩大全新模型定位 OpenAI 開發者團隊（@OpenAIDevs）在 API 中推出了兩款專門的語音轉文字模型，用以滿足不同的轉錄需求： gpt-live-transcribe：專為低延遲的即時語音轉文字（Realtime transcription）而建構。 gpt-transcribe：針對已完成的音訊檔案與批次工作負載最佳化，做非同步的檔案轉錄（File transcription）。 兩者皆能更好地理解上下文，並在真實世界的各種口音與語言音訊中，提供更準確的轉錄表現，適用於短語、數字、專門術語以及伴隨吵雜背景噪音的語音。開發者亦可參考 OpenAI Transcription 文件指南 以取得完整的實作細節。 一名講者介紹 GPT Transcribe 與 GPT Live Transcribe 兩款語音轉文字模型 效能基準與上下文提升 透過提供自由形式的上下文、關鍵字、預期輸入語言以及先前轉錄的對話輪次，開發者能改善語音轉錄的品質： 在「Context Aware Automatic Speech Recognition」基準測試中，gpt-live-transcribe 的語意準確度在未提供自由形式上下文時為 38.5%，提供後則成長為 44.6%。 gpt-live-transcribe 在 Context Aware ASR Benchmark 的正確率於提供 context 後由 38.5% 提升至 44.6%，優於 gpt-realtime-whisper。 在 Common Voice 的 22 種語言測試中，gpt-live-transcribe 達到 19.70% 的轉錄錯誤率，優於 gpt-realtime-whisper 的 20.33%。 gpt-live-transcribe 在 Common Voice 的 WER 比較中為 19.70%，低於 gpt-realtime-whisper 的 20.33%（數字越低越好）。 在「Real-World Audio Recording」基準測試的 9 種語言中，gpt-live-transcribe 取得 9.60% 的轉錄錯誤率，相較於 gpt-realtime-whisper 的 11.65% 更為出色。 gpt-live-transcribe 在 Real World Audio Recording 基準測試中，以 9.60% 的字詞錯誤率（WER）領先 gpt-realtime-whisper 的 11.65%。 gpt-transcribe 在相同基準測試中同樣表現優異，語意準確度從 41.6% 提升至 45.2%；在 Common Voice 的 22 種語言中取得 19.27% 的轉錄錯誤率（對比舊版 Whisper 的 40.37%），並在真實世界音訊基準測試中創下 8.98% 的轉錄錯誤率（對比 Whisper 的 15.21%）。 gpt-transcribe 在 Real World Audio Recording 測試中以 8.98% 的詞錯誤率（WER）取得最佳表現，優於 whisper-1（15.21%）、gpt-4o-mini-transcribe（15.46%）與 gpt-4o-transcribe（22.21%）。 gpt-transcribe 在 Common Voice 的字錯誤率（WER）以 19.27% 表現最佳，低於 whisper-1 的 40.37%。 gpt-transcribe 在 Context Aware ASR Benchmark 上的準確率從未提供 context 的 41.6% 提升至提供 context 時的 45.2%。 轉錄工作流程與功能選擇 根據官方技術文件的指引，使用者可依據音訊來源選擇對應的推薦模型與工作流程： 檔案轉錄：針對已完成的錄音或有界限的音訊請求，推薦使用 gpt-transcribe 模型上傳檔案並接收最終逐字稿，或在處理檔案時串流輸出文字。 即時轉錄：針對麥克風、通話或其他即時音訊串流，推薦使用 gpt-live-transcribe 模型在語音抵達時取得文字。 針對需要講者標籤、單字時間戳記、srt 與 vtt 字幕、將完成的錄音翻譯成英文等特殊需求的應用，文件則建議搭配特定的模型與端點（例如使用 whisper-1 或 gpt-4o-transcribe-diarize）。 OpenAI Developers API Docs 頁面的標題畫面，背景為粉橘色漸層，左上角顯示「OpenAI Developers」與 OpenAI logo，左下角則標示「API Docs」與大字標題「Transcription」。一名講者介紹 GPT Transcribe 與 GPT Live Transcribe 兩款語音轉文字模型 影片中的 Prompt 與操作：操作步驟： 1. （00:01）點擊筆記型電腦觸控板以操作介面原文：https://easyvibecoding.app/curated/2763-openai-launches-gpt-live-transcribe-real-time-transcription