OpenAI: GPT-4o Audio

OpenAI 的 GPT-4o-audio-preview 模型为音频输入作为提示提供了强大的支持。这一重大增强使模型能够以卓越的准确性处理和理解口语，检测录音中的细微差别。此功能为生成的用户体验增添了相当大的深度，使其成为需要复杂音频分析和解释的应用程序的理想选择。 GPT-4o Audio 专为 PRO 访问设计，拥有 128K 令牌的巨大上下文窗口和 8K 令牌的最大输出。它支持流式传输、音频输入、函数和结构化输出。定价具有竞争力，输入令牌每百万 $2.50，输出令牌每百万 $10.00。虽然它在理解音频方面表现出色，但请注意目前不支持音频输出。在 Multi AI 上利用其强大功能，实现卓越的转录和音频驱动的 AI 应用程序。