跳到主要内容
AI News HubLIVE
更多
仅摘要

OpenAI 发布三款实时音频模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper

OpenAI 通过其 Realtime API 发布了三款新的音频模型：GPT-Realtime-2（具备推理能力的语音代理）、GPT-Realtime-Translate（实时语音翻译，支持70+输入语言）和 GPT-Realtime-Whisper（流式转录）。Realtime API 正式退出测试版，现已全面可用。这些模型使语音应用超越简单的问答循环，支持在单次对话中实现聆听、推理、翻译、转录和行动。

来源MarkTechPost作者: Asif Razzaq
OpenAI 发布三款实时音频模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper
报告错误

纠错通道尚未开通，可先复制下方文章信息留存。

查看更正说明

本文仅提供摘要

根据来源内容权限，本站仅提供编辑摘要、要点和原文链接。

展开要点与分析

文章情报

工程师进阶

要点

  • GPT-Realtime-2 具有128K上下文窗口、五级可调推理力度、语气控制和并行工具调用，在 Big Bench Audio 上得分96.6%（相比上一代81.4%）。
  • GPT-Realtime-Translate 支持70+种输入语言到13种输出语言的实时语音翻译，定价为每分钟0.034美元。
  • GPT-Realtime-Whisper 提供可控延迟的流式转录，定价为每分钟0.017美元。
  • Realtime API 现已全面可用，并新增两种语音：Cedar 和 Marin。

要点与分析由自动化流程生成，可能有误，请结合原始来源核实。