OpenAI 推出即時語音 API 供開發者

核心公告摘要

OpenAI 已在其開發者平台推出三款新的音訊模型，透過應用程式介面 (API) 提供。這項舉措旨在賦予軟體代理即時、對話式的語音能力，超越傳統的轉錄服務，使其能夠在即時互動中進行聆聽、翻譯和執行動作。

模型功能與定價

新模型包括 GPT-Realtime-2，它能處理複雜請求並在長時間對話中保持上下文，定價為每百萬音訊輸入代幣 32 美元起。GPT-Realtime-Translate 支援超過 70 種語言，每分鐘費用為 0.034 美元。最後，GPT-Realtime-Whisper 提供即時語音轉文字功能，每分鐘費用為 0.017 美元。

市場影響與採用

此次發布標誌著 OpenAI 擴展至互動式語音代理市場。主要公司已在測試這項技術，包括房地產市場 Zillow、旅遊公司 Priceline 和電信公司 Deutsche Telekom。這種早期採用預示著客戶服務、旅遊以及其他需要即時語音互動的領域可能面臨顛覆。

結論

OpenAI 的新音訊 API 代表著朝向更複雜的語音 AI 應用邁出了重要一步。市場將關注開發者如何整合這些工具，以及對消費者和企業軟體的效能影響。未來的發展可能著重於擴展語言支援和降低延遲。

常見問題

問： OpenAI 的新音訊模型有哪些？
答： 新模型包括用於複雜對話的 GPT-Realtime-2、用於即時翻譯的 GPT-Realtime-Translate，以及用於即時語音轉文字的 GPT-Realtime-Whisper。

問： 哪些公司目前正在使用這些模型？
答： 早期測試者包括 Zillow、Priceline 和 Deutsche Telekom，顯示出廣泛的產業興趣。

來源: 路透社