3月21日消息，美國開放人工智慧研究中心（OpenAI）近日宣佈對其應用程式編程介面（API）進行重大更新，正式引入新一代語音合成與轉錄模型。

據官方披露，核心升級產品gpt-4o-mini-tts不僅實現了語音生成擬真度的跨越式提升，更首次支持開發者通過自然語言指令即時調控音色、語調與情感表達。

區別於傳統參數調節模式，新模型允許開發者以”用興奮的語調朗讀”、”模仿青年播音員聲線”等日常語言下達指令，系統即可動態調整聲紋特徵。OpenAI技術團隊演示顯示，該模型能精准解析”略帶沙啞的科幻旁白”等抽象描述，並在0.3秒內生成匹配音頻，較此前版本回應速度提升40%。

官方文檔顯示，gpt-4o-mini-tts支持48kHz採樣率與神經聲碼器技術，信噪比指標較行業平均水準優化18分貝，可服務於有聲書錄制、影視配音等高端場景。

OpenAI透露，此次升級得益於自研的”聲紋解耦”演算法，使音色特徵與語義理解模組實現分離訓練。開發者既可單獨微調音色庫，也可結合語言模型定制行業專用語音助手。

來源：環球網