Живую транскрипцию OpenAI вынесла в отдельную модель: в API теперь две модели под разные режимы

28 июля OpenAI добавила в API две модели транскрипции: GPT-Live-Transcribe и GPT-Transcribe. Первая сделана под живой поток с низкой задержкой, вторая под готовые аудиофайлы и пакетные прогоны. Обе, по словам компании, лучше понимают контекст и точнее держат акценты, короткие фразы, числа, узкие термины и речь на громком фоне.

Почему это важно: Список того, что чинили, читается как список жалоб на распознавание речи: акценты, короткие фразы, номера, профессиональный жаргон, шум в записи. На таком материале расшифровку до сих пор дочищали руками или подпирали словарями терминов. Теперь выбор идёт не по компромиссу «точность против задержки», а по режиму работы: диктовка в реальном времени зовёт одну модель, ночной разбор архива звонков - другую. Ни цен, ни лимитов, ни одной цифры по точности в анонсе нет.

Что дальше: Замер на вечер: взять свою худшую запись - шум, акцент, куча номеров - и прогнать её через GPT-Transcribe и через текущий пайплайн, потом сверить обе расшифровки с ручной. Живой режим проверять отдельно: там важна не только точность, но и задержка на своём канале.