OpenAIが2つの音声書き起こしモデルを発表、価格を25%引き下げ

動察 Beating のモニタリングによると、OpenAI は GPT Transcribe と GPT Live Transcribe という2つの音声テキスト変換モデルを発表した。前者は録音ファイルやバッチ処理に対応し、後者はライブ字幕や電話などのリアルタイムシーン向けである。

両モデルは、録音のテーマ、キーワード、言語ヒントを組み合わせ、短文、数字、専門用語、多様なアクセント、ノイズ環境下での認識精度を重点的に向上させる。

Artificial Analysis の測定によると、GPT Transcribe の単語誤り率は3.31%で、前世代の GPT-4o Transcribe より0.7ポイント低い。価格も25%引き下げられ、1000分あたりの音声料金は4.5ドルとなっている。