API GPT-Live-1 від OpenAI дає змогу розробникам створювати додатки, які одночасно говорять і слухають

OpenAI робить GPT-Live-1 доступною для розробників як API. Мовна модель може одночасно слухати й говорити, функція, відома як «повний дуплекс», і вже працює всередині ChatGPT. Розробники можуть поєднувати її з різними моделями на бекенді залежно від завдання, підбираючи глибину міркувань, швидкість і вартість для кожного сценарію використання. За ціною $0,05 за хвилину це недешево. Yelp використовує модель для бронювання телефоном і повідомляє про покращення обробки дзвінків, за словами технічного директора Алекса Леві.

У тестах OpenAI GPT-Live-1 значно випереджає своїх попередників. У тестах інтерактивності з повним дуплексом модель набирає 80,1 відсотка проти 45,4 відсотка у GPT-Realtime-2.1. Затримка під час зміни черги реплік скоротилася з 1,4 до 0,8 секунди. Точність виклику інструментів зросла з 60 до 87 відсотків. У тесті голосової підтримки банків GPT-Live-1 досягає 32-відсоткового показника проходження проти 12,4 відсотка у попередньої моделі.

GPT-Live-1 також постачається з дванадцятьма новими голосами, що охоплюють різні акценти, діалекти та мови. Модель одразу надає транскрипції ASR і текст відповідей. Повна інформація буде доступна в документації API.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб отримати читання без реклами, щотижневу розсилку про ШІ, наш ексклюзивний звіт «AI Radar» про передові розробки шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.