OpenAI 发布实时语音API面向开发者

核心公告摘要

OpenAI 已向其开发者平台推出了三款新的音频模型，通过应用程序编程接口 (API) 提供。这项举措旨在赋予软件代理实时对话语音能力，超越传统的转录服务，使其能够在实时交互中进行听取、翻译和执行操作。

模型功能与定价

新模型包括 GPT-Realtime-2，它能处理复杂请求并在长时间对话中保持上下文，定价为每百万音频输入令牌 32 美元起。GPT-Realtime-Translate 支持 70 多种语言，每分钟费用为 0.034 美元。最后，GPT-Realtime-Whisper 提供实时语音转文本功能，每分钟费用为 0.017 美元。

市场影响与采用

此次发布标志着 OpenAI 进军交互式语音代理市场。包括房地产市场 Zillow、旅游机构 Priceline 和电信公司 Deutsche Telekom 在内的主要公司已在测试这项技术。这种早期采用预示着该技术可能颠覆客户服务、旅游以及其他需要即时语音交互的行业。

结论

OpenAI 的新音频 API 代表着向更复杂的语音驱动 AI 应用迈出了重要一步。市场将关注开发者如何整合这些工具，以及它们对消费者和企业软件的性能影响。未来的发展可能侧重于扩展语言支持和降低延迟。

常见问题

问： OpenAI 的新音频模型有哪些？
答： 新模型包括用于复杂对话的 GPT-Realtime-2、用于实时翻译的 GPT-Realtime-Translate，以及用于实时语音转文本的 GPT-Realtime-Whisper。

问： 哪些公司目前正在使用这些模型？
答： 早期测试者包括 Zillow、Priceline 和 Deutsche Telekom，这表明了广泛的行业兴趣。

来源: 路透社