OpenAI предлага GPT-Live-1 като API за разработчици
OpenAI предоставя GPT-Live-1 на разработчици чрез API. Речевият модел поддържа пълнодуплексно взаимодействие, което му позволява да слуша и да говори едновременно. Технологията вече работи в ChatGPT, а разработчиците могат да я свързват с различни модели в задната част според необходимия баланс между дълбочина на разсъждението, скорост и цена. Използването на API струва $0.05 на минута.
Yelp използва GPT-Live-1 за телефонни резервации. Техническият директор на компанията Алекс Леви заявява, че обработката на разговорите се е подобрила. В тестовете на OpenAI моделът получава 80.1 процента за пълнодуплексна интерактивност при 45.4 процента за GPT-Realtime-2.1. Забавянето при редуването на репликите е 0.8 секунди спрямо 1.4 секунди, а точността при извикване на инструменти нараства до 87 процента от 60 процента.
В тест за гласова поддръжка в банковия сектор GPT-Live-1 постига 32 процента издържали проверки срещу 12.4 процента за предишния модел. Той включва и дванадесет гласа с различни акценти, диалекти и езици, както и ASR транскрипции и текст на отговорите.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на The Decoder. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.