刚刚，OpenAI 一口气发布三个新模型！还为此做了一个新网站

主要观点总结

OpenAI推出了全新一代音频模型，包括语音转文本和文本转语音功能。新模型有助于开发者构建强大的语音Agent。这些模型的核心亮点和定价信息也被详细介绍。此外，文章还涵盖了OpenAI演示的AI时尚顾问Agent的应用案例，以及构建语音Agent的两种技术路径。

关键观点总结

关键观点1: OpenAI推出全新音频模型

包括语音转文本和文本转语音功能，有助于开发者构建强大的语音Agent。

关键观点2: 新模型的核心亮点

gpt-4o-transcribe和gpt-4o-mini-transcribe在语音转文本方面的卓越表现，尤其是降低单词错误率；gpt-4o-mini-tts首次支持「可引导性」，让开发者能控制「如何说」。

关键观点3: 定价策略

GPT-4o-transcribe定价为每分钟0.006美元，GPT-4o-mini-transcribe为前者的一半，即每分钟0.003美元；GPT-4o-mini-tts定价为每分钟0.015美元。

关键观点4: AI时尚顾问Agent的应用案例

展示了AI如何在实际场景中应用，以及构建语音Agent的两种技术路径。

关键观点5: 新技术背后的创新

包括新音频模型建立在GPT-4o和GPT-4o-mini架构之上，采用真实音频数据集进行预训练，应用self-play方法创建的蒸馏数据集的知识蒸馏方法，以及融入强化学习提升转录精度等。