近日，OpenAI宣布推出一系列创新的语音模型，包括gpt-4o-transcribe、gpt-4o-mini-transcribe和gpt-4o-mini-tts，这些模型在语音识别和处理方面取得了显著突破。

OpenAI此次推出的gpt-4o-mini模型，以其高性价比和强大功能脱颖而出。该模型在成本上较GPT-4o降低了96%至97%，同时比GPT-3.5 Turbo便宜60%至70%。据悉，gpt-4o-mini的API价格定为15美分/100万Tokens输入和60美分/100万Tokens输出，为开发者提供了更为经济实惠的选择。

GPT-4o模型具备处理50种不同语言的能力，大大提高了语音识别的适用范围。此外，该模型在响应速度和质量上均有显著提升，能在最短232毫秒内对音频输入做出反应，接近人类对话反应时间。GPT-4o还能读取人的情绪，使得人机交互更加自然和流畅。

新推出的语音模型在语音转文本(STT)方面表现出色，尤其在口音适应、嘈杂环境处理以及不同语速识别方面优于现有解决方案。这使得模型在呼叫中心、会议记录等场景中更具实用性。同时，文本转语音(TTS)模型允许开发者设定语音风格，如模拟富有同理心的客户服务代表，提供更具表现力和温度的语音体验。