OpenAI宣布将全新语音转录与生成模型接入API平台，宣称此次升级实现了技术突破。此次更新标志着该公司向"智能代理"战略迈出关键步伐，旨在打造能够自主执行用户任务的智能系统。
新产品矩阵包含两大核心组件：
- 文本转语音系统"gpt-4o-mini-tts"（原型号gpt-4o-mini-tts）：
支持自然语言指令控制语音风格
可精准模拟"疯狂科学家"或"冥想导师"等特定声线
提供"真实犯罪纪录片风格"沙哑声线等多样化选择（此处原音频链接已移除）
可生成"专业女性"等定制化语音（此处原音频链接已移除）
- 语音转录系统双模型架构：
旗舰版gpt-4o-transcribe（原型号gpt-4o-transcribe）
轻量版gpt-4o-mini-transcribe（原型号gpt-4o-mini-transcribe）
据产品负责人杰夫·哈里斯（Jeff Harris）透露，转录系统突破体现在：
采用全新训练数据集，支持复杂环境下的多语言识别
显著降低"音频幻觉"风险，杜绝虚构医疗建议等严重错误
支持达罗毗荼语系等小众语言识别（泰米尔语等语言单词错误率约30%）
值得注意的是，OpenAI首次打破开源传统：
新模型不再采用MIT开源协议
技术团队解释因模型体积过大（无法在普通笔记本本地运行）
未来开源计划将重点优化终端设备适配性
产品战略主管奥利维尔·戈德蒙（Olivier Godement）强调："未来半年将见证智能代理技术爆发，我们的核心是提供精准可靠的对话解决方案。"该公司预计2025年下半年推出针对客服场景的情感语音控制系统。
