OpenAI已推出了升級的語音到文本和文本到語音模型，提高了轉錄準確性並擴展了AI生成的聲音的自定義選項。
集成到OpenAI的API中，這些增強功能旨在為開發人員提供更靈活的工具，以創建對交流的AI，可訪問式AI，ADEACTIONAL ANEVINESS和ASSICTIANIT ADICENTINCE ADINE-PERTECTION ANEVINES ANDINGENITION QUAMINITION ANIVENICTINCE。與Google，Microsoft和新興玩家（例如芝麻AI）推動了合成語音現實主義的邊界。
”
改進的語音到文本:修復轉錄錯誤和AI幻覺
OpenAi的新介紹了準確性，單詞識別和上下文理解的重大升級，解決了AI生成的轉錄中的長期存在的問題。
上一個模型，竊竊私語，被廣泛用於多種方面的轉錄，但面臨批評的傾向，以幻想
The new models aim to mitigate these issues with improved word error rates, better handling of accents and dialects, and higher resistance to noise interference.
Source: OpenAI
OpenAI states that the model is faster, more accurate, and better suited for real-world applications, including live transcriptions, customer service自動化和AI驅動的可訪問性工具。
雖然OpenAI聲稱這些更新大大減少了幻覺，但需要進行獨立的評估以驗證其準確性的改進。 AI轉錄模型仍在邊緣案例中掙扎，尤其是在處理重疊的語音，沉重的背景噪音或非正式的對話語言時。
文本到語音升級:更現實的AI Voices
在其轉錄改進的同時，OpenAI也引入了新的gpt-4o mini tts text-tot to text-to-spech-spech模型旨在使AI形成的聲音更具表現力，可自定義，允許人類prectike andike andike nine voice nine nine-nine supports nine nine nine supports nine nine nine nine nine nine nine nine nine nine nine nine nine nine nine nine nine，起搏和語音交付。互動。”
AI語音行業越來越有競爭力，隨著Google和Microsoft等競爭對手的重大進步。 Google的新chirp 3高清語音模型允許對音調進行實時適應。
最有爭議的發展之一來自芝麻AI，芝麻AI模仿了AI生成的聲音，例如人類的缺陷，例如猶豫和tone的變化-對實際的人性化的自然言論也是如此，同時是如此的自然言論。
對AI生成的錯誤信息和欺詐提出了道德問題。
[嵌入式內容]
AI語音道德:深層訴訟，同意和安全風險
日益增長的AI生成聲音的現實感激發了人們對欺詐的關注，並激發了欺詐，違反同意，並違反了同意。 Axios reports that AI-generated voice scams are increasing, with criminals using cloned voices to impersonate executives, family members, or customer service representatives.
The ability to複製聲音僅幾秒鐘的音頻就引起了網絡安全專家的警報。
Openai本身對語音道德面臨著高調的批評。 2024年5月，在用戶注意到與女演員斯嘉麗·約翰遜（Scarlett Johansson）相似之後，該公司刪除了其AI生成的聲音之一。約翰遜後來表示，她“從未授予Openai的許可來使用自己的聲音。”
引發了關於AI語音克隆和知識產權權利的討論。
作出回應，Openai強調，其新聲音是由合成訓練數據而不是真實人的記錄來構建的。但是，該公司尚未在其實施的確切保障措施上提供全面的透明度，以防止未經授權的語音複製。
超越語音:Openai對AI驅動的助手的願景
OpenAi將語音模型定位為更大的努力，以開發自動助理助理。 The company has integrated these models with its Agent SDK, enabling developers to build voice-based AI systems for virtual assistants, customer service chatbots, and accessibility tools.
Similar efforts are整個行業正在進行中。 Financial Times reports that OpenAI expects voice-driven AI to become a mainstream interface for computing by 2025, with AI agents handling more complex tasks.同時，
隨著AI生成的聲音，與人類言論相比，技術進步與負責任的部署之間的平衡仍然是一個關鍵問題。 Openai的最新模型顯示了現實主義和可用性方面的明顯進步，但是圍繞AI驅動語音綜合的道德和安全問題尚未解決。
