跳到主要內容
AI News HubLIVE
更多
僅摘要

OpenAI新API語音模型將改變你使用AI的方式

OpenAI發佈了三個新的實時語音模型：GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper，旨在讓開發者構建能夠實時聽、推理、翻譯、轉錄和執行操作的語音應用。這些模型支持更自然的對話、處理中斷和糾正、128K上下文窗口、70+種語言的實時翻譯等特性，適用於客户支持、會議翻譯、實時字幕、旅行助手、醫療和職場助理等場景。

來源Analytics Vidhya作者: Sarthak Dogra
OpenAI新API語音模型將改變你使用AI的方式
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

  • OpenAI推出三個實時語音模型：GPT-Realtime-2（對話）、GPT-Realtime-Translate（翻譯）、GPT-Realtime-Whisper（轉錄）。
  • 模型支持實時處理語音，具備上下文理解、中斷處理、工具調用等功能，上下文窗口提升至128K。
  • GPT-Realtime-Translate支持70+種輸入語言翻譯為13種輸出語言，每分鐘收費0.034美元。
  • 開發者可控制語音風格和推理強度，模型定價從每分鐘0.017美元到每百萬音頻輸入tokens 32美元不等。

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。