美国开放人工智能研究中心（OpenAI）近日宣布对其应用程序编程接口（API）进行重大更新，正式引入新一代语音合成与转录模型。

据官方披露，核心升级产品gpt-4o-mini-tts不仅实现了语音生成拟真度的跨越式提升，更首次支持开发者通过自然语言指令实时调控音色、语调与情感表达。

区别于传统参数调节模式，新模型允许开发者以"用兴奋的语调朗读"、"模仿青年播音员声线"等日常语言下达指令，系统即可动态调整声纹特征。OpenAI技术团队演示显示，该模型能精准解析"略带沙哑的科幻旁白"等抽象描述，并在0.3秒内生成匹配音频，较此前版本响应速度提升40%。

官方文档显示，gpt-4o-mini-tts支持48kHz采样率与神经声码器技术，信噪比指标较行业平均水平优化18分贝，可服务于有声书录制、影视配音等高端场景。

OpenAI透露，此次升级得益于自研的 "声纹解耦 "算法，使音色特征与语义理解模块实现分离训练。开发者既可单独微调音色库，也可结合语言模型定制行业专用语音助手。