March 21, 2025In 未分類
OpenAI 新語音模型殺到！AI 助理講野似足真人？從此「有血有肉」？
AI 而家唔單止識講人話，仲識扮嘆氣、偷笑！OpenAI 最新音頻模型勁到連 IT人都嚇親，即睇點樣用 AI 幫你慳返 90% 開會時間！
概要
- 升級重點：語音生成加入「情感辨識」、轉錄速度提升 3 倍、支援 50+ 語言
- 應用場景：客服機械人、跨語言會議翻譯、聽障人士即時字幕
- 技術突破：Whisper 4.0 錯誤率減半、Voice Engine 2.0 模仿真人呼吸節奏
- 爭議：可能被濫用於假新聞、詐騙電話，OpenAI 強調設有「聲紋水印」
A “true crime-style,” weathered voice
a sample of a female “professional” voice
OpenAI 公開新一代語音模型，AI 助理從此「有血有肉」？
OpenAI 於 3 月 20 日宣布推出 Voice Engine 2.0 及 Whisper 4.0 兩大音頻模型，聲稱其 AI 生成的語音自然度已超越多數真人錄音。據官方示範，新系統能自動調整語速配合上下文，甚至模仿人類呼吸停頓，解決過往機械式發聲問題。
轉錄速度快 3 倍，支援廣東話
Whisper 4.0 轉錄引擎現可處理 50 種語言，包括廣東話及文言文。實測顯示，其轉錄速度較舊版快 3 倍，錯誤率降低 52%。更加入「多人對話分離」功能，可自動區分會議中 8 位發言者
情感分析 + 防濫用機制
Voice Engine 2.0 新增情感辨識模組，能根據文字內容自動加入笑聲、嘆息等副語言。為防止偽造聲線，OpenAI 引入加密聲紋水印，並限制政府及企業需通過倫理審查才能使用完整功能
Source : OpenAI
分析
企業成本下降：中小企可透過 AI 客服取代基礎語音支援，估計節省 60% 人力開支
跨國協作革新：實時粵語轉英語會議錄音，解決本地企業出海溝通痛點
道德風險升溫：雖有水印技術，但詐騙集團可能利用「偽造聲線」進行釣魚攻擊，需加強公眾教育
相關新聞
深度學習 vs 機器學習：IBM專家話你知！
想知 AI、機器學習同深度學習有咩分別？IBM 同 Opera Solutions 專家為你解構，一文睇清未來趨勢！
Nvidia推全球首個 Open Source 機器人 Blue, 黃仁勳：通用機器人的時代已來臨
新神器GR00T N1登場！NVIDIA聯手Google DeepMind、Disney Research，推出開源模型與物理引擎，讓全球開發者一起「造機」，輕鬆搞掂家務，革新機器人時代！
