OpenAI 推出 Whisper API 将语音转换为文本以进行转录和翻译

OpenAI 今天推出了 Whisper API，以配合 ChatGPT API 的推出。 这是 Whisper 开源语音转文本模型的托管版本，该公司于 9 月发布了该模型。

Whisper 是 OpenAI 的一种语音识别系统，每秒成本为 0.006 美元，能够“稳健地”转录多种语言并将其翻译成英语。 它接受多种格式的文件，包括 M4A（MP3、MP4、MPEG）、MPEG、MPGA (MPGA)、WAV 和 WEBM。

许多组织已经开发了语音识别系统，这些系统是谷歌、亚马逊和 Meta 等科技巨头的服务和软件的核心。 OpenAI 总裁兼主席格雷格·布罗克曼 (Greg Brockman) 表示，Whisper 之所以不同，是因为它使用了来自互联网的 680,000 小时的数据进行训练，包括多语言和“多任务”数据。 这导致更好地识别口音、背景声音和技术术语。

来源和详细信息：
https://techcrunch.com/2023/03/01/openai-debuts-whisper-api-for-text-to-speech-transcription-and-translation/