I nuovi modelli vocali AI di OpenAI migliorano l'accuratezza della trascrizione

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

OpenAI presenta due modelli di trascrizione

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

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

Entrambi i modelli supportano la trascrizione sensibile al 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 trascrizioni precedenti come contesto durante una conversazione in corso.

Il contesto migliora la precisione della trascrizione

Sul benchmark Context Aware ASR di OpenAI, un contesto aggiuntivo ha aumentato la precisione 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 addebita $4,50 per 1.000 minuti di audio elaborati con il modello.

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

Via Neowin