OpenAI مدل‌های جدید هوش مصنوعی صوتی خود را معرفی کرده که با آن‌ها می‌توان به‌سرعت قابلیت گفتار را به برنامه‌های متنی اضافه کرد. این مدل‌ها شامل gpt-4o-transcribe، gpt-4o-mini-transcribe و gpt-4o-mini-tts هستند.
با استفاده از این فناوری جدید، توسعه‌دهندگان می‌توانند تنها در چند ثانیه قابلیت گفتار را بدون نیاز به تنظیمات پیچیده به برنامه‌های خود اضافه کنند. این یک تحول مهم برای محصولات مبتنی بر متن است که به دنبال ارتقای تجربه کاربری از طریق تعامل صوتی هستند.
این مدل‌ها با دقت بالا می‌توانند گفتار را تبدیل به متن کنند (Transcribe) یا متن را به گفتار واضح و طبیعی تبدیل کنند (TTS: Text-to-Speech). سرعت پردازش بالا و کیفیت صدای خروجی این مدل‌ها، آن‌ها را به گزینه‌ای ایده‌آل برای طیف وسیعی از کاربردها از جمله دستیارهای صوتی، ربات‌های گفتگو و ابزارهای یادداشت‌برداری خودکار تبدیل می‌کند.
این حرکت جدید OpenAI می‌تواند دنیای فناوری صوتی را متحول کند و امکان ترکیب راحت‌تر گفتار و متن را در اپلیکیشن‌های موجود فراهم آورد. شرکت‌ها و توسعه‌دهندگان اکنون می‌توانند با بهره‌گیری از این مدل‌های پیشرفته، تجربه‌های تعاملی و هوشمندتری را برای کاربران خود ارائه دهند.
برای اطلاعات بیشتر، می‌توانید به لینک زیر مراجعه کنید:
