ओपनएआई ने डेवलपर्स के लिए रीयल-टाइम वॉयस एपीआई लॉन्च किया

मुख्य घोषणा सारांश

OpenAI ने अपने डेवलपर प्लेटफॉर्म पर तीन नए ऑडियो मॉडल पेश किए हैं, जो एक एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस (API) के माध्यम से उपलब्ध कराए गए हैं। इस पहल का उद्देश्य सॉफ्टवेयर एजेंटों को वास्तविक समय, संवादात्मक आवाज क्षमताओं से सशक्त बनाना है, जो पारंपरिक प्रतिलेखन सेवाओं से आगे बढ़कर लाइव इंटरैक्शन के दौरान सुनने, अनुवाद करने और कार्रवाई करने में सक्षम बनाता है।

मॉडल क्षमताएं और मूल्य निर्धारण

नए मॉडलों में GPT-Realtime-2 शामिल है, जो जटिल अनुरोधों को संभालता है और लंबी बातचीत में संदर्भ बनाए रखता है, जिसकी कीमत प्रति मिलियन ऑडियो इनपुट टोकन $32 से शुरू होती है। GPT-Realtime-Translate 70 से अधिक भाषाओं का समर्थन करता है और इसकी लागत प्रति मिनट $0.034 है। अंत में, GPT-Realtime-Whisper प्रति मिनट $0.017 की लागत पर लाइव स्पीच-टू-टेक्स्ट कार्यक्षमता प्रदान करता है।

बाजार प्रभाव और अपनाना

यह लॉन्च इंटरैक्टिव वॉयस एजेंट बाजार में OpenAI के विस्तार को दर्शाता है। प्रमुख कंपनियां पहले से ही इस तकनीक का परीक्षण कर रही हैं, जिनमें रियल एस्टेट मार्केटप्लेस ज़िलो, ट्रैवल एजेंसी प्राइसलाइन और दूरसंचार फर्म डॉयचे टेलीकॉम शामिल हैं। यह प्रारंभिक अपनाना ग्राहक सेवा, यात्रा और तत्काल आवाज इंटरैक्शन की आवश्यकता वाले अन्य क्षेत्रों में संभावित व्यवधान का संकेत देता है।

निष्कर्ष

OpenAI के नए ऑडियो API अधिक परिष्कृत आवाज-आधारित AI अनुप्रयोगों की दिशा में एक महत्वपूर्ण कदम का प्रतिनिधित्व करते हैं। बाजार यह देखेगा कि डेवलपर्स इन उपकरणों को कैसे एकीकृत करते हैं और उपभोक्ता और एंटरप्राइज़ सॉफ़्टवेयर पर प्रदर्शन का क्या प्रभाव पड़ता है। भविष्य के विकास में संभवतः भाषा समर्थन का विस्तार करने और विलंबता को कम करने पर ध्यान केंद्रित किया जाएगा।

अक्सर पूछे जाने वाले प्रश्न

प्र: OpenAI के नए ऑडियो मॉडल क्या हैं?
उ: नए मॉडल जटिल बातचीत के लिए GPT-Realtime-2, लाइव अनुवाद के लिए GPT-Realtime-Translate, और वास्तविक समय स्पीच-टू-टेक्स्ट के लिए GPT-Realtime-Whisper हैं।

प्र: वर्तमान में इन मॉडलों का उपयोग कौन सी कंपनियां कर रही हैं?
उ: शुरुआती परीक्षकों में ज़िलो, प्राइसलाइन और डॉयचे टेलीकॉम शामिल हैं, जो व्यापक उद्योग रुचि का संकेत देते हैं।

स्रोत: रॉयटर्स