OpenAI 为 ChatGPT 的听写功能新增“Live Dictation”,用户说话时识别内容可实时显示在屏幕上,无需等到录音结束。此次更新同时取消了此前 10 分钟的录音时长上限。
据 IT 媒体 9to5Mac 报道,该更新于 18 日发布,重点提升语音转写的显示速度和稳定性。Live Dictation 将覆盖 iOS、Android、网页和桌面端,向全球用户分批开放,包括免费版在内的所有 ChatGPT 用户均可使用。
实时转写如何工作
Live Dictation 的核心变化在于转写时机的调整。此前用户使用听写功能时,通常要在结束语音输入后等待系统完成转写;启用新功能后,识别内容会在说话过程中同步显示在屏幕上,不必等到录音结束。
在语音输入界面中,用户可点击波形图标,选择显示或隐藏正在转写的文本。输入结束后,用户仍可对转写结果进行检查和编辑,确认无误后再作为消息发送给 ChatGPT。
OpenAI 语音功能开发负责人 Atty Eleti 在 X 上表示,系统改为实时流式处理后,转写和发送过程的速度与稳定性也有所提升。据 IT 媒体 9to5Mac 18 日报道,此次更新的重点正是提升语音转写的显示速度和稳定性。
取消时长限制
与实时转写同步落地的另一项调整,是取消原有的 10 分钟录音上限。此前用户进行语音输入时受这一时长约束,长内容需要分段处理。
这一变化对长问题、会议记录或零散想法的语音输入更为直接:用户不再像此前那样在 10 分钟处被打断。
不过,OpenAI 暂未披露新的最长录音时长,也未说明是否支持无限时长使用。取消旧上限并不等同于官方确认可以无限制录制。
与语音对话模式的区别
Live Dictation 与 ChatGPT 的语音对话模式并不相同,两者用途有别。语音对话模式主要用于与 AI 进行实时语音交流,而 Live Dictation 用于将用户语音转写为文本消息。
换言之,新功能服务的是文字输入的效率,转写结果最终以消息形式发送给 ChatGPT,而不是开启一段语音对谈。用户在转写完成后仍可编辑文本,这也保留了文字输入的校对环节。
覆盖范围与开放节奏
分批开放意味着不同平台和地区的用户收到更新的时间可能不一致,具体节奏由 OpenAI 安排。
此前的语音模型改进
此次听写更新建立在既有的语音识别能力之上。OpenAI 此前已于 6 月推出新的语音识别模型,并表示该模型提升了包括韩语在内多种语言的转写准确率。
与旧模型相比,主要语言的词错误率至少下降 10%。随着转写准确率、实时处理能力和输入时长限制同步优化,ChatGPT 的语音输入功能进一步向长文本记录和内容整理场景延伸。
要点
- 语音内容可在说话过程中实时显示
- 用户可点击波形图标显示或隐藏转写文本
- 转写结果可在发送前检查和编辑
- 原有 10 分钟录音上限被取消
- OpenAI 未披露新的最长录音时长

正在读取登录状态…
暂无讨论,说说你的看法吧