OpenAI veröffentlicht Sprachagenten

Am 21. März um 01:00 Uhr (UTC+8) führte OpenAI eine technische Live-Übertragung durch und veröffentlichte drei neue Sprachmodelle, die speziell für die Entwicklung von KI-Sprachagenten entwickelt wurden. Zwei davon sind Sprach-zu-Text-Modelle, GPT-40 Transcribe und GPT-4 Mini Transcribe; eines ist ein Text-zu-Sprache-Modell, GPT-40 Mini TTS. Es ist erwähnenswert, dass Entwickler die stimmliche Emotion und den Stil des GPT-40 Mini TTS-Modells steuern können. OpenAI hat seinem Sprach-zu-Text-API einen leistungsstarken Streaming-Modus hinzugefügt, der es Entwicklern ermöglicht, kontinuierliche Audiostreams in Echtzeit in das Modell einzugeben, und das Modell kann auch kontinuierlich Text und Antworten in Echtzeit zurückgeben. Diese Funktion der Echtzeit-Interaktion ist sehr hilfreich für Anwendungen, die sofortiges Feedback erfordern, wie z.B. Echtzeit-Sprachdialogsysteme, Transkription von Sprachmeetings usw. (AIGC Open Community)