OpenAI เปิดตัว API เสียงแบบเรียลไทม์สำหรับนักพัฒนา

สรุปประกาศสำคัญ

OpenAI ได้เปิดตัวโมเดลเสียงใหม่สามตัวบนแพลตฟอร์มสำหรับนักพัฒนา ซึ่งส่งมอบผ่าน Application Programming Interface (API) โครงการริเริ่มนี้ออกแบบมาเพื่อเสริมศักยภาพให้กับซอฟต์แวร์เอเจนต์ด้วยความสามารถด้านเสียงแบบเรียลไทม์และเชิงสนทนา ก้าวข้ามบริการถอดเสียงแบบดั้งเดิม เพื่อเปิดใช้งานการฟัง การแปล และการดำเนินการระหว่างการโต้ตอบแบบสด

ความสามารถของโมเดลและราคา

โมเดลใหม่ประกอบด้วย GPT-Realtime-2 ซึ่งจัดการคำขอที่ซับซ้อนและรักษาบริบทในการสนทนาที่ยาวนาน ราคาเริ่มต้นที่ 32 ดอลลาร์ต่อหนึ่งล้านโทเค็นอินพุตเสียง GPT-Realtime-Translate รองรับกว่า 70 ภาษา และมีค่าใช้จ่าย 0.034 ดอลลาร์ต่อนาที สุดท้าย GPT-Realtime-Whisper ให้ฟังก์ชันการแปลงเสียงเป็นข้อความแบบสดในราคา 0.017 ดอลลาร์ต่อนาที

ผลกระทบต่อตลาดและการนำไปใช้

การเปิดตัวครั้งนี้แสดงถึงการขยายตัวของ OpenAI เข้าสู่ตลาดเอเจนต์เสียงแบบโต้ตอบ บริษัทใหญ่ ๆ กำลังทดสอบเทคโนโลยีนี้แล้ว รวมถึง Zillow ตลาดอสังหาริมทรัพย์, Priceline บริษัทตัวแทนท่องเที่ยว และ Deutsche Telekom บริษัทโทรคมนาคม การนำไปใช้ในช่วงแรกนี้บ่งชี้ถึงศักยภาพในการเปลี่ยนแปลงในภาคส่วนบริการลูกค้า การท่องเที่ยว และภาคส่วนอื่น ๆ ที่ต้องการการโต้ตอบด้วยเสียงแบบทันที

บทสรุป

API เสียงใหม่ของ OpenAI ถือเป็นก้าวสำคัญสู่แอปพลิเคชัน AI ที่ใช้เสียงที่ซับซ้อนยิ่งขึ้น ตลาดจะจับตาดูว่านักพัฒนาจะรวมเครื่องมือเหล่านี้เข้าด้วยกันอย่างไร และผลกระทบด้านประสิทธิภาพต่อซอฟต์แวร์สำหรับผู้บริโภคและองค์กร การพัฒนาในอนาคตน่าจะมุ่งเน้นไปที่การขยายการรองรับภาษาและการลดความหน่วง

คำถามที่พบบ่อย

ถาม: โมเดลเสียงใหม่ของ OpenAI มีอะไรบ้าง?
ตอบ: โมเดลใหม่ได้แก่ GPT-Realtime-2 สำหรับการสนทนาที่ซับซ้อน, GPT-Realtime-Translate สำหรับการแปลแบบสด และ GPT-Realtime-Whisper สำหรับการแปลงเสียงเป็นข้อความแบบเรียลไทม์

ถาม: บริษัทใดบ้างที่กำลังใช้โมเดลเหล่านี้อยู่ในปัจจุบัน?
ตอบ: ผู้ทดลองใช้กลุ่มแรกได้แก่ Zillow, Priceline และ Deutsche Telekom ซึ่งแสดงให้เห็นถึงความสนใจในวงกว้างของอุตสาหกรรม

ที่มา: Reuters