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,同时对原有的AI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,模型可以准确捕捉 发笑声等非语言信号,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检测准确布全率显著提升,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,开发者可以通新语过自定义指令,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,使得模型能够基于型 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,简化了集成GP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。同时,开发者可T-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-RealtimRee 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
-
- 华人女博士提出高效NAS算法:AutoML一次「训练」适配亿万硬件
- 微软 Azure ND GB300 再创记录:每秒推理速度达 110 万token
- 谷歌再登《自然》!Willow量子芯片实现可验证量子优势,快13,000倍击败超级计算机
- 谷歌翻译大升级!实时同传+AI陪练,学外语就像聊天一样简单!
- 英伟达发布新一代机器人芯片Jetson Thor,AI算力提升7.5倍!
- 微软放弃旧机型,Win11 需要英特尔 8 代 CPU 起步
- 标签: 小度 超能小度 音色设置 百度
- IDC:2021年中国数字政府IT安全硬件市场规模同比增长31.5%
- IDC:2022年第三季度中国可穿戴设备市场出货量同比下降8.4%
- 为保护未成年人,Roblox 将于2025年底前要求所有通信用户完成 AI 年龄扫描
- 盘点2021年九大好用的人脸识别软件
- 加州州议会通过AI伴侣聊天机器人监管法案,旨在保护未成年人
- 云安全日报210824:红帽音频处理库发现任意代码执行漏洞,需要尽快升级
- 标签: 中国电信 星辰大模型 天翼云 AI+
- Teresa Carlson谈AWS的云实施标准开发,全球培训可访问性工作
- 标签: 红果短剧
- 云安全日报210126:思科网络管理和命令中心服务发现跨站请求伪造漏洞,需要尽快升级
- 标签: 东风日产 日产App 服务器故障 远程控制
- 蚂蚁集团发布多模态应用“灵光”,内置AGI相机,已开启内测
- Fedora 社区推出 AI 辅助贡献政策草案,征求意见中
- 搜索
-
- 友情链接