I nuovi modelli di IA vocale di OpenAI migliorano l'accuratezza della trascrizione

I modelli vocali di intelligenza artificiale di OpenAI puntano ora alla trascrizione in tempo reale e ai file audio completati. La versione desktop di ChatGPT ha recentemente ricevuto un importante aggiornamento vocale, ma OpenAI sta anche espandendo i suoi strumenti audio per gli sviluppatori.

OpenAI introduce due modelli di trascrizione

OpenAI ha annunciato due modelli API chiamati GPT-Live-Transcribe e GPT-Transcribe.

GPT-Live-Transcribe si concentra sulla trascrizione in tempo reale e a bassa latenza per le conversazioni dal vivo. GPT-Transcribe gestisce registrazioni complete e carichi di lavoro di elaborazione batch asincrona.

Entrambi i modelli supportano la trascrizione consapevole del contesto. Gli sviluppatori possono fornire parole chiave, nomi, terminologia di settore e lingue previste per aiutare i modelli a comprendere una registrazione.

GPT-Live-Transcribe può anche utilizzare le precedenti battute di trascrizione come contesto durante una conversazione in corso.

Il contesto migliora l’accuratezza della trascrizione

Sul benchmark Context Aware ASR di OpenAI, il contesto aggiuntivo ha aumentato l’accuratezza semantica di GPT-Live-Transcribe dal 38,5% al 44,6%.

GPT-Transcribe è migliorato dal 41,6% al 45,2% sullo stesso benchmark.

OpenAI ha inoltre riportato i seguenti tassi di errore di trascrizione su audio reali:

• GPT-Live-Transcribe: 9,60%
• GPT-Realtime-Whisper: 11,65%
• GPT-Transcribe: 8,98%
• Whisper-1: 15,21%

Artificial Analysis ha misurato in modo indipendente un tasso di errore sulle parole del 3,31% per GPT-Transcribe. OpenAI applica un costo di $4,50 per 1.000 minuti di audio elaborati con il modello.

In altre notizie sull’IA, Microsoft ha presentato il modello MAI-Cyber-1-Flash per rilevare le vulnerabilità di sicurezza. Anthropic ha anche dichiarato di non sostenere il divieto dei modelli di IA open-weight, sebbene l’azienda rimanga preoccupata per un potenziale uso improprio.

Via Neowin