OpenAI выкатила новые модели для распознавания речи, но снова слила тесты китайцам

OpenAI продолжает обновлять свои API-костыли. Сегодня они выкатили два новых инструмента для транскрибации аудио GPT Transcribe и GPT Live Transcribe. По бумагам и пресс-релизам всё красиво, скорость выросла, ценник срезали. Но на деле в независимых бенчмарках Альтман по-прежнему глотает пыль за конкурентами.

Новые решения разнесли на две версии под разные задачи:

Обе модели поддерживают мультиязычный ввод, умеют тащить текстовый контекст из предыдущих сообщений и принимают жесткие списки ключевых слов. Это значит, что нейронка перестанет отсебятить и галлюцинировать, когда слышит специфический технический сленг или имена собственные.

По данным независимых тестов Artificial Analysis (бенчмарк AA-WER), стандартная GPT Transcribe показывает уровень ошибок в словах на отметке 3,3%. Это на 0,7% лучше, чем у старой GPT-4o Transcribe, но до топов рынка им как до луны.

Расклад сил в распознавании речи сейчас такой:

Китайцы из Alibaba просто размазали OpenAI по точности. ElevenLabs тоже уверенно держит дистанцию. В этой гонке OpenAI пока выступает в роли вечного догоняющего.

Единственный реальный аргумент в пользу новинок от OpenAI это демпинг. Ценник ощутимо срезали, чтобы удержать разработчиков:

Если ваш бэкенд уже плотно сидит на экосистеме OpenAI и вам нужна дешевая интеграция обновление отличное. Но если ключевой метрикой в проекте является бескомпромиссная точность распознавания каждого слова, решения от Alibaba или ElevenLabs по-прежнему смотрятся на голову выше.

Не отставайте от технологий! Подписывайтесь на Telegram-канал, чтобы быть в курсе последних трендов и лайфхаков.