OpenAI 发布全新语音模型 GPT-Realtime,专为语音AI Agent设计
OpenAI 在凌晨1点举行了技术直播,正式发布了其全新的语音模型 ——GPT-Realtime。这一多模态模型专为语音 AI AgentOp 设计,旨在生成更加自然流畅的语音,能够模仿人类丰富多样的语调、情感和语速。GPT-Realtime 的应用场景广泛,涵盖了客服、教育、金融和医en疗等多个领域,为打造智能语音助手提供了强大的支持。 GPT-Realtime 新增了两种独特的语音风格 ——Marin 和 Cedar,同时对原有AI的八种语音进行了全面升级。与传统语音模型不同,GPT-Realtime 不仅能够生成语音,还具备智力、推理和理解能力。例如,模型可以准确捕 发捉笑声等非语言信号,并在对话中灵活切换语言,适应不同的场景需求。 在评估方面,GPT-Realtime 在多种语言环境下的字母数字序列布全检测准确率显著提升,推理能力评估中的准确率高达82.8%,成为当前智能语音模型中的佼佼者。指令遵循能力的改进也是该模型的一大亮点,开发新语者可以通过自定义指令,提升模型的响应效果。在 MultiChallenge 音频基准测试中,GPT-Realtime 的指令遵循准确率从20.6音模% 提升至30.5%。 除了语音生成能力,GPT-Realtime 还支持图像输入。开发者在会话中可以将图像与音频或文本结合使用,使得模型能型 够基于用户所见内容展开对话,提供更加个性化的交互体验。此外,Realtime API 的全新功能让开发者可以方便地连接到远程 MCP 服务器,GP简化了集成过程,提高了开发效率。 在安全与隐私方面,Realtime API 配备了多层保护措施,通过实时监测对话内容,防止滥用行为的发生。同T-时,开发者可以根据需要添加自定义安全防护,确保使用环境的安全。 从发布之日起,所有开发者都可以使用新的 Realtime API 和 GPT-ReRealtime 模型,音频输入 token 的价格降低了20%。此外,开发者还可以灵活设置智能 token 限制,以降低长时间对话的成本。 划重点: GPTal-Realtime 是 OpenAI 最新发布的多模态语音模型,适用于客服、教育等多个领域。 该模型的推理能力和指ti令遵循准确率有显著提升,为开发者提供更强大的支持。 Realtime API 配备安全防护措施,确保用户交互的安me全性和隐私性。
- 最近发表
- 随机阅读
-
- Kubernetes诞生七周年后,优势与挑战并存
- 通过 Kubernetes CSI 实现 Longhorn 卷快照备份、恢复、克隆与扩容功能
- OpenAI 推出青少年使用 ChatGPT 的新安全措施
- 标签: xTool 激光雕刻机 DTF打印机 AIMake
- 标签: 抖音 AI教程 低俗内容 网络治理
- 云计算开发实例:Python3快速排序
- 消息称微软非洲数据中心遭遇延期,肯尼亚政府款项分歧成主因
- Salesforce公司是如何发现人工智能人才以及如何提升人才技能的
- Canalys:第二季度小米手机销量超越苹果首次晋升全球第二
- 和GPT聊天就能修图?Adobe联手OpenAI,Photoshop正式接入ChatGPT,创意门槛再降低!
- 标签: 小红书 AI治理 AI内容标识 AI违规运营
- Docker 技术支持下一代桌面即服务 (DaaS)
- 超预期业绩!阿里云26%增速领跑,AI收入连续8季度三位数增长
- 蚂蚁集团发布多模态应用“灵光”,内置AGI相机,已开启内测
- 亚马逊裁员 1.4 万,AI 与自动化迅速崛起
- 京东云发布618战报:每秒用户访问峰值同比提升152%
- 不容忽视的亚马逊内容投资:去年在流媒体和音乐上投入110亿美元
- 0语料下,如何通过「贴标签」获得更好的多语言翻译效果
- 标签: Do早报
- “精英”底色凸显:调查显示 Claude 用户群体富裕程度远超竞品
- 搜索
-
- 友情链接