跳到主要內容
AI News HubLIVE
更多
僅摘要

OpenAI 發佈三款實時音頻模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper

OpenAI 通過其 Realtime API 發佈了三款新的音頻模型：GPT-Realtime-2（具備推理能力的語音代理）、GPT-Realtime-Translate（實時語音翻譯，支持70+輸入語言）和 GPT-Realtime-Whisper（流式轉錄）。Realtime API 正式退出測試版，現已全面可用。這些模型使語音應用超越簡單的問答循環，支持在單次對話中實現聆聽、推理、翻譯、轉錄和行動。

來源MarkTechPost作者: Asif Razzaq
OpenAI 發佈三款實時音頻模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper
報告錯誤

更正渠道尚未開通，可先複製下方文章資訊留存。

查看更正說明

本文僅提供摘要

根據來源內容權限，本站僅提供編輯摘要、要點和原文連結。

展開要點與分析

文章情報

工程師進階

要點

  • GPT-Realtime-2 具有128K上下文窗口、五級可調推理力度、語氣控制和並行工具調用，在 Big Bench Audio 上得分96.6%（相比上一代81.4%）。
  • GPT-Realtime-Translate 支持70+種輸入語言到13種輸出語言的實時語音翻譯，定價為每分鐘0.034美元。
  • GPT-Realtime-Whisper 提供可控延遲的流式轉錄，定價為每分鐘0.017美元。
  • Realtime API 現已全面可用，並新增兩種語音：Cedar 和 Marin。

要點與分析由自動化流程生成，可能有誤，請結合原始來源核實。