OpenAI 推出“实时 API”:让AI语音助手像真人一样沟通
OpenAI 正式发布了其面向生产环境的“实时 API”,标志着公司在语音交互技术领域迈出了重要一步。该 API 主要面向为客户支Op持、教育或个人生产力等实际应用构建语音助手的公司和开发者,其核心组件是全新的 GPT-Realtime模型。该模型能够直接生成和处en理语音,无需传统的文本转换步骤,从而实现更快、更自然的对话。 全新的 GPT-Realtime 模型在技术上实AI现了多项突破。它现在可以捕捉并理解笑声等非语言线索,在同一句话中流畅地切换不同语言,并根据指令调整语气,例如“以友好的法国口音” 推或“快速而专业”地说话。此外,该模型新增了两种声音:Cedar 和 Marin,并对现有声音进行了优化,进一步提升了用户体验。 在出“基准测试中,GPT-Realtime 表现出色,其准确率在 Big Bench Audio 上达到了82.8%(高于65.6%),在 Multi实时Challenge 上达到了30.5%(高于20.6%),在 ComplexFuncBench 上达到了66.5%(高于49.7%)。这 A些数据表明,新模型在处理复杂指令和多语言任务方面有显著进步。 新版 API 简化了工具集成,使模型能够更可靠地PI选择和使用正确的工具及参数。开发者现在可以通过 SIP 和远程 MCP 服务器连接外部服务,并使用可重复使用的提示来保存不同的配置。 此”:外,图像输入功能也已上线。用户可以在对话中发送屏幕截图或照片,模型可以引用并理解图像中的内容,例如读取文本或回答相关问题。开发者可让A以灵活控制模型所能看到的内容范围。 对于成本控制,新 API 允许开发者设置令牌限制并精简长会话,同时,GPT-Realtime 的价格也降I语低了20%。目前,每百万音频输入令牌价格为32美元,每百万输出令牌为64美元,缓存输入令牌价格为每百万0.40美元。 OpenAI 强调,该 API 能够检测并终止违反其政策的对话,但同时也指出,开发者应自行添加额外的安全保障。在手像数据隐私方面,OpenAI 提供了专门的选项,允许欧盟用户选择在欧盟境内存储数据,并为企业用户制定了特殊的隐私规则,以确保数据真人安全合规。核心功能与性能显著提升
更好的集成与更低的价格
安全与隐音助私:保障措施与用户选择
- 最近发表
- 随机阅读
-
- 标签: 智谱 GLM Coding Plan GLM-5 开源大模型
- 标签: 豆包App 豆包导航 字节跳动 高德地图
- 京东启动“Aidol创造营”计划,全球征集AI智能硬件项目
- 标签: 联想集团 AI PC 海神液冷 SSG服务
- 标签: 上海网信办 小红书 哔哩哔哩 房地产
- 谷歌公布“太阳捕手计划”:利用 TPUs 卫星,在太空打造 AI 超级计算网络
- 云计算核心技术Docker教程:清理未使用的Docker对象
- 每次矩阵相乘用不到一个光子,手写数字识别准度超90%,光学神经网络效率提升数个量级
- 标签: 比亚迪 财报 净利润 营收
- Google的Gemini AI助手登陆Google TV
- 腾讯云开始全球扩张:腾讯印尼首个数据中心投入使用
- 亚马逊向FCC投诉称Starlink数据歪曲了其监管意见
- 标签: 金山软件 小米 雷军 游戏合作
- 2025云栖大会剧透来了!今年有这些AI新看点
- 谷歌斥资超2700万欧元在芬兰购地,推进云计算和数据基础设施扩建计划
- OpenAI 与 Broadcom 联手打造未来 AI 加速器,强劲运算力即将到来
- 标签: 美团 LongCat 豆包 DeepSeek
- 亚马逊AWS新任CEO面临挑战:内部官僚主义、形式主义泛滥
- AI视频革命!Grok Imagine v0.9一键变身“电影导演”,上传图片秒出带唱带跳大片
- 标签: 自然选择 EVE 恺英网络 AI陪伴
- 搜索
-
- 友情链接