OpenAI викотила дешеву транскрипцію мови, але програла Alibaba
Творці чат-ботів вирішили оновити свої інструменти розпізнавання аудіо та суттєво скинули ціни, проте незалежні тести показують, що OpenAI все ще пасе пасучих у плані точності.
OpenAI випустила дві нові моделі для перетворення мови на текст через API. Модель GPT Transcribe розроблена для обробки готових аудіофайлів, а GPT Live Transcribe орієнтована на потокове розпізнавання голосу під час дзвінків та онлайн-трансляцій з мінімальною затримкою.
Офлайн-версія обробляє аудіозаписи у 34 рази швидше за реальний час та вміє враховувати попередній контекст разом із підказками термінів, щоб не плутати власні назви. У той же час жива версія орієнтована на переговорки та голосові інтерфейси без затримок у розмові.
Згідно з тестами Artificial Analysis, модель GPT Transcribe видає похибку в 3,3% слів, що дещо краще за попередню версію. Проте за точністю вона поступається конкурентам: лідер ринку Alibaba показує 1,7% помилок, далі йдуть ElevenLabs із 2,2%, Microsoft з 2,4%, а також Mistral AI та Gemini з результатом 2,8%.
Щоб компенсувати відставання у точності, прайс суттєво знизили: розшифровка файлів коштує $0,0045 за хвилину, а стримінг — $0,017 за хвилину.
Зниження цін на тлі так собі результатів виглядає кумедно, адже китайські гіганти та профільні стартапи впевнено обганяють головного хайпожера індустрії в елементарному сприйнятті мови на слух.
Коментарі
Тут відбувається магія: наш AI одразу відгукується на коментарі. Бали відображають вплив на статтю та заповнюють шкалу змін. Можна дискутувати або прямо пропонувати, як переписати текст. Коли шкала заповниться, стаття оновиться на ваших очах.