line !important;font-family:微软雅黑, "Microsoft YaHei";">今日凌晨 1 点，OpenAI在技术直播，发布了三款专用于开发语音 AI 智能体的全新语音模型。
三款语音模型介绍
GPT-40 Transcribe：高性能语音转文本模型
基于最新语音模型架构，经过海量音频数据训练，可处理复杂语音信号并准确转换为文本。其训练数据规模庞大，涵盖多种语言和方言，在不同语言环境下表现出色。
GPT-4 Mini Transcribe：轻量级语音转文本模型
通过模型压缩技术，在保持较高转录性能的同时大幅减小模型大小，提高运行速度并降低资源消耗。适合在移动设备或嵌入式系统等资源受限的设备上运行，也能满足实时性要求较高的场景。
GPT-40 Mini TTS：文本转语音模型
不仅能将文本转换为自然流畅的语音，还可通过指令控制语音的语调、情感和风格，根据不同情境和用户需求调整表达方式。采用先进语音合成技术，生成高质量、自然逼真的语音输出，支持多种语言，能生成不同性别、年龄和口音的语音，满足不同地区和文化背景用户的需求。
API 与 SDK 重大更新
语音转文本 API 更新
新增强大的 streaming 模式，可实时处理连续音频流并返回文本响应，适用于实时语音对话系统、语音会议转写等场景。同时，API 集成噪声消除技术和语义语音活动检测器，前者可过滤背景噪音，后者能合理分块处理音频，避免处理不完整语音信息，让开发者更专注于应用开发。
Agents SDK 更新
采用模块化设计，将语音转文本、文本处理和文本转语音等功能模块化，开发者可根据需求灵活组合，构建特定应用场景的语音 Agent 系统。这种模块化设计提高了开发效率，增强了系统可扩展性和可维护性，方便开发者对 Agent 系统进行升级优化。通过 Agents SDK，开发者可在已有文本 Agent 基础上，添加少量代码实现语音交互功能，SDK 提供丰富接口和工具，帮助处理语音输入、文本处理和语音输出等环节，减少开发工作量和复杂性。
SDK 在性能和可靠性方面进行了优化，支持实时音频流处理，能够快速响应用户指令，提供流畅语音交互体验，还集成了噪声消除、语音活动检测等功能，提高语音识别准确性和系统稳定性，即使在嘈杂环境中也能准确捕捉并处理用户语音输入。
目前，这些语音模型已经可以在 API 和 SDK 中使用，为开发者提供了强大的工具来构建更加智能、高效和人性化的语音 AI 智能体。
为什么选择Azure OpenAI服务？
微软Azure OpenAI服务可以合规、稳定地提供企业用户使用ChatGPT模型。出于合规角度，国内企业可以选择微软的Azure OpenAI服务来使用接口，并具有以下优势：
效果一致：与OpenAI官方接口效果相同，无需担心性能差异。
国内IP调用：直接使用国内IP，连接更稳定，响应速度更快。
合规发票：符合国内法规，可直接开具专用发票。
灵活计费：按Token使用量计费，用多少付多少，成本可控。
技术支持：微软认证技术团队提供专业支持，解决技术难题。
企业优惠：现在签约，享受企业专属折扣。
作为微软的合作伙伴，领驭科技为企业提供绿色申请通道！企业现在就可以申请 OpenAI o1、GPT-4o 、GPT-4o mini！
↓马上申请免费试用↓
深圳领驭科技有限公司，作为微软中国南区的核心合作伙伴及HK CSP资质持有者，已成为国内首批获得Azure OpenAI服务授权的服务商之一。我司正积极整合Azure OpenAI的强大功能，包括先进的自然语言处理、分析和推理能力，到其产品和行业解决方案中。
Azure OpenAI服务通过其大规模生成式AI模型，支持企业客户根据特定需求和场景，开发创新应用，涵盖辅助写作、代码编写、多媒体内容生成以及数据分析等多个领域，为互联网、游戏、金融、零售、医药等行业以及自动驾驶和智能制造等前沿技术领域带来深远影响。
联系我们
深圳领驭科技有限公司
电话：0755 8654 3872
电邮：marketing@leinwin.com
网址：ai.leinwin.com
地址：深圳市南山区粤海街道高新科技园中区科技中三路5号国人通信大厦A座 902
