# OpenAI 发了三款新语音模型：两个听写，一个会学语气说话

> 原标题：Introducing next-generation audio models in the API

- 来源：OpenAI News
- 发布时间：2025-03-20T11:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/603
- 原文：https://openai.com/index/introducing-our-next-generation-audio-models

## 摘要

OpenAI 在 3 月 20 日往 API 里塞了三个新音频模型：gpt-4o-transcribe 和 gpt-4o-mini-transcribe 负责把语音转成文字，gpt-4o-mini-tts 负责把文字念出来。

## 推荐理由

OpenAI 在 API 上线三款音频模型，两款负责语音转文字，一款负责文字转语音并支持学习语气，语音接口的分工由此更细。

## 锐评

三个模型里唯一有意思的是 mini-tts 会学语气，听写那两个基本是补位。语音转文字早就是红海，Whisper 之后各家价格压得很低，OpenAI 现在才把 gpt-4o 的听写能力放出来，更像补齐 API 的短板。

会学语气这个点倒是真能改产品，客服、播客、有声书这些场景里语气比音色值钱。但只给 FLEURS 一个基准，价格和延迟都没说，现在没法判断能不能上生产。
