OpenAI, 새로운 음성 모델 3종 공개—STT 2종과 TTS 1종 194

2025년 3월 20일, Openai는 세 가지全新的 음성 모델을 발표했습니다. 여기에는 두 가지 음성-텍스트 변환 모델(GPT-4o-transcribe 및 GPT-4o-mini-transcribe)과 하나의 텍스트-음성 변환 모델(GPT-4o-mini-tts)이 포함됩니다.

음성-텍스트 변환 모델

• GPT-4o-transcribe: 이 모델은 다양하고 고품질의 오디오 데이터셋으로 장기간 학습되어 음성의 미묘한 차이를 더 잘 포착하고 오인식을 줄이며 전사 신뢰성을 크게 향상시킵니다. 다양한 억양, 시끄러운 환경, 속도 변화 등 복잡한 시나리오 처리(예: 고객 콜센터 및 회의 기록 전사 등 분야)에 적합합니다.

• GPT-4o-mini-transcribe: 이는 GPT-4o-transcribe의 경량화 버전으로, 속도가 더 빠르고 효율적입니다. 단어 오류율(WER)이 전체 버전 모델보다 약간 높지만, 여전히 기존의 Whisper 모델보다 우수하여, 자원이 제한적이지만 고품질 음성 인식을 필요로 하는 애플리케이션 시나리오에 더 적합합니다.

텍스트-음성 변환 모델

• GPT-4o-mini-tts: 이 모델은 최초로 「안내성(steerability)」을 지원하여, 개발자는 모델이 「무엇을 말할지」 지정할 뿐만 아니라 「어떻게 말할지」도 제어할 수 있습니다. 예를 들어 음성 스타일을 「차분한」「서퍼의」「전문적인」「중세 기사」 등으로 사전 설정할 수 있을 뿐 아니라, 지시에 따라 음성 스타일을 조정할 수도 있습니다. 예: 「동정심 있는 고객 서비스 Agent처럼 말하기」.

기술 혁신

• 실제 오디오 데이터셋을 사용한 사전 학습을 통해 모델 성능을 최적화합니다.

• 향상된 증류(distillation) 방법으로 대모델에서 소모델로의 지식 전이를 구현합니다.

• 강화 학습을 통해 전사 정확도를 높이고 「환각」 현상을 줄입니다.

활용 시나리오

• 콜센터: 더 정확한 음성 인식과 더 자연스러운 음성 합성을 제공하여 고객 서비스 경험을 향상시킵니다.

• 회의 기록: 회의 음성 콘텐츠를 빠르고 정확하게 텍스트로 전사합니다.

• 맞춤형 고객 서비스: 음성 스타일의 맞춤화를 통해 더 따뜻하고 표현력이 풍부한 음성 경험을 제공합니다.

• 창의적 이야기 전달: 이야기에 생생한 음성 효과를 더합니다.

가격 정책

• GPT-4o-transcribe의 가격은 이전 Whisper 모델과 동일한 분당 0.006달러입니다.

• GPT-4o-mini-transcribe의 가격은 분당 0.003달러입니다.

• GPT-4o-mini-tts의 가격은 분당 1센트입니다.

OpenAI 음성 모델 웹사이트: OpenAI.fm. 웹사이트에서는 페르소나, 어조, 방언, 발음 등 다양한 사전 설정 템플릿을 제공합니다. 사용자는 여기에서 GPT-4o-mini-tts 관련 오디오를 체험하고 제작할 수 있습니다. 또한 OpenAI는 업그레이드된 Agent SDK를 제공하여 개발자가 더욱 편리하게 음성 지능형 에이전트를 구축할 수 있도록 지원합니다.

공식 웹사이트:http://openai.fm/

공식 블로그:https://openai.com/index/introducing-our-next-generation-audio-models/