✔️ OpenAI представила новые модели распознавания речи GPT Transcribe предназначена для работы с аудиофайлами и обрабатывает их примерно в 34 раза быстрее реального времени. GPT Live Transcribe оптимизирована для потоковой расшифровки звука с минимальной задержкой. Оба решения доступны через API, умеют учитывать текстовый контекст и заданные ключевые слова, а также поддерживают мультиязычный ввод. По данным тестов Artificial Analysis на бенчмарке AA-WER, GPT Transcribe демонстрирует уровень ошибок в словах (WER) на отметке 3,3%. Это на 0,7 пп лучше результата ее предшественницы - GPT-4o Transcribe. Несмотря на улучшенные метрики, изделие OpenAI пока не дотягивает до лидеров. В рейтинге AA-WER первое место у Fun-Realtime-ASR-Preview от Alibaba Group с показателем 1,7% второе - у ElevenLabs Scribe v2 (2,2%), за ней следуют MAI-Transcribe-1.5 (2,4%), Mistral Voxtral Small (2,8%) и Gemini 3.1 Pro (2,8%). Вместе с релизом OpenAI снизила тарифы - минута обработки аудио обойдется в $0,0045, а для GPT Live Transcribe - $0.017. @ai_machinelearning_big_data #news #ai #ml

Если вы работаете удаленно, наверняка в рабочем процессе есть созвоны. Многие команды используют инструменты транскрибации видео, чтобы потом можно было работать с текстом, зафиксировать договоренности или приложить к задаче. Подобные решения обычно работают со своим облаком, что не очень секьюрно в плане данных, может противоречить политикам конфиденциальности. Но вот попалось опенсорсное решение, которое можно развернуть полностью локально - Meetily. Транскрибирует локально с помощью Whisper или Parakeet. Резюме по тексту можно тоже локально делать через Ollama, но можно и через внешнее API. Для Windows и Mac есть комьюнити-версия для скачивания, для Linux можно собрать себе самому. Есть также более функциональная PRO-версия. #tools