在 ChatGPT 累积到约1亿用户后，正式开启商业化探索。昨日公布的 API 服务面向企业付费接入，75万单词仅需 2 美元，成本较此前显著下降约 90%。
与此同时，官方还开放了语音转文字的 API，基于 WhISPeR 大模型。WhISPeR LaRge-v1 于去年九月首次发布，升级版 WhISPeR LaRge-v2 于去年十二月开源。
商业化落地后，WhISPeR API 的定价同样具备竞争力：每分钟仅 0.006 美元，折合人民币约 4 分钱。这一定价对众多从事语音相关业务的企业将带来较大压力。
WhISPeR API 支持对语音文件进行转写与翻译，覆盖英语、中文、阿拉伯语、日语、德语、西班牙语等数十种语言。
不同语言的识别准确率存在明显差异。LaRge-v2 在西语、英语、意大利语、德语等语言的单词错误率通常控制在 5% 以内，转写后只需进行少量人工校对。
就中文而言，v1 的错误率为 19.6%，v2 仅略有提升至 14.7%，改进幅度有限，使用时仍需较多的校正工作。
产生这种差异的原因，除了中文固有的语言特性外，可能还与用于中文训练的语料相对不足有关，因为公开网络内容以外文为主。
