gpt-4o-mini-transcribe được giới thiệu ngày 20/03/2025 cùng bộ audio model mới của OpenAI. Model nhận âm thanh để tạo bản chép văn bản; đây không phải công cụ phát giọng hay toàn bộ hệ thống trợ lý thoại.
Mini khác gì bản transcribe lớn?
Tài liệu model định vị mini là lựa chọn nhanh, dựa trên GPT-4o Mini. Trang này mô tả cải thiện tỷ lệ lỗi từ và nhận biết ngôn ngữ so với Whisper đời đầu. Không có nghĩa mini bằng bản lớn trên mọi loại bản ghi; cần so sánh cùng âm thanh và bản tham chiếu.
Thông cáo ra mắt nhấn mạnh độ tin cậy trong môi trường có tiếng ồn, giọng khác nhau và tốc độ nói thay đổi. Đây là khẳng định từ nhà phát triển, không phải kiểm định độc lập cho từng giọng tiếng Việt. Tên riêng, mã hàng và số tiền vẫn có thể nhận sai.
Phạm vi đầu vào và đầu ra
Tài liệu hiện hành ghi audio và text ở đầu vào, text ở đầu ra; ảnh và video không được hỗ trợ. Bản chép không tự phân tích toàn bộ cuộc họp hay xác nhận danh tính người nói. Việc tóm tắt, kiểm tra thuật ngữ và quản lý quyền đọc dữ liệu thuộc ứng dụng phía sau.
Trang model có nhiều snapshot, gồm bản ngày 20/03/2025 và cập nhật sau đó. Vì vậy alias không phải bằng chứng mọi phiên bản giữ nguyên hành vi. Khi kiểm thử hoặc tái lập kết quả, cần lưu phiên bản đã dùng thay vì chỉ ghi tên chung.
Chi phí tham khảo và giới hạn bằng chứng lịch sử
Trang tài liệu được đối chiếu hiện hiển thị phần Audio tokens với 1,25 USD đầu vào và 5 USD đầu ra trên một triệu token, đồng thời đặt mini cạnh bản transcribe lớn để so sánh. Đây là dữ liệu của trang động, không được coi là bảng giá chụp tại ngày ra mắt. Cần kiểm tra bảng giá và đơn vị tính đang áp dụng trước khi dự toán.
Không đổi trực tiếp mức token thành giá cố định mỗi phút nếu chưa có quy tắc quy đổi phù hợp. Chi phí toàn tác vụ còn gồm lần gửi lại, rà soát con người và xử lý sau phiên âm. Một bản chép rẻ nhưng sai số tiền có thể tốn nhiều công sửa hơn lựa chọn có giá gọi cao hơn.
Đánh giá bằng lỗi quan trọng, không chỉ WER
WER đo sai lệch từ so với bản tham chiếu, nhưng không phân biệt đầy đủ hậu quả nghiệp vụ. Cần kiểm tra riêng số, thời gian, tên khách hàng và thuật ngữ; giữ âm thanh gốc theo chính sách phù hợp để đối soát khi cần. Không dùng bản chép chưa kiểm tra như bằng chứng duy nhất cho quyết định tài chính.
gpt-4o-transcribe là lựa chọn so sánh trực tiếp, còn Whisper là mốc nhận dạng trước đó. Mini phù hợp khi chất lượng trên dữ liệu thực đáp ứng yêu cầu với chi phí tổng chấp nhận được, không chỉ vì nhãn nhỏ hơn.
Nguồn: OpenAI, công bố audio model ngày 20/03/2025; tài liệu gpt-4o-mini-transcribe.
Tác giả
Chăm Sóc Khách Hàng
