OpenAI 將 GPT-Live-1 加入 API,支援客戶服務通話的全雙工語音及中斷功能
OpenAI 已將 GPT-Live-1 整合至其 API 中,讓開發者能夠打造支援即時語音互動的應用程式與商業工作流程。此模型可實現全雙工對話,不僅能同時聆聽與說話,還能有效處理中斷、停頓及背景噪音。
GPT-Live-1 亦針對電話情境(例如餐廳預約與客戶支援)進行了優化,可實現全雙工語音代理。OpenAI 指出,開發者可將其與 Codex 等工具整合,或運用 OpenAI Presence 來建置語音應用程式,這些應用程式能查詢企業系統、執行授權動作,並在需要時將通話無縫轉接給真人客服。

整合語音理解與輸出以降低延遲
GPT-Live-1 將語音辨識與合成整合於單一模型中,省去了傳統「語音轉文字-大型語言模型(LLM)-文字轉語音」處理流程中常見的多重連線需求,從而顯著降低延遲。該模型亦能透過後端文字模型處理複雜推理與工具呼叫。 開發者可透過系統提示自訂語調、語速及對話風格,同時配置後端模型、工具及客服代理框架。OpenAI 確認 GPT-Live-1 支援原生語音辨識轉錄與回應文字,具備字母數字理解、關鍵字偏好及輪次偵測等功能。
初步評估顯示,在語言學習平台 Speak 上,相較於先前的回合制系統,使用 GPT-Live-1 將學習者在思考停頓期間遭誤中斷的情況減少了近 80%。 某醫療服務平台的共同創辦人暨技術長 Tony Stoyanov 表示,程式碼量減少了 80%,刪除了約 23,000 行程式碼。 OpenAI 的評估顯示,在全雙工基準測試中,GPT-Live-1 的表現比 GPT-Realtime-2.1 高出 30 個百分點;當與 GPT-6 Astra 搭配使用且推理強度設定為中等時,該模型在 Tau3 端到端語音代理任務測試中名列第一。
前端語音層定價為每分鐘 0.05 美元,並新增 12 種語音
關於定價,GPT-Live-1 的前端語音層每分鐘收費 0.05 美元,相當於每小時約 3 美元(約 20.2 人民幣)。後端模型和代理工具的費用將另行計費。 OpenAI 亦透過新增 12 種語音選項來擴展即時語音服務,包括:Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta 及 Cinder。該公司計畫在未來數月內推出更多語音選項及語言支援。
相關文章
蘋果推出 iOS 27 的首個公開測試版,標誌著 Siri 進行了重大的人工智慧改版
Apple今日正式向用戶釋出iOS 27的首個公開測試版。此更新無需開發者帳戶。用戶只需在Apple Beta 軟體計畫網站上註冊或登入,並在 iPhone 的「設定 > 一般 > 軟體更新 > 測試版更新」中選擇對應版本,即可下載並安裝。 蘋果建議使用者在備用裝置上進行測試,並預先透過 iCloud 或電腦備份資料。Siri 的人工智慧經過全面重構基於全新的 Apple Intelligence
Cloudflare 推出開源 AI 代理工作區,讓員工無需編寫程式碼即可建立自訂工作流程
Cloudflare 已正式推出 Cloudflare OS,這是一個直接在瀏覽器中運行的開源 AI 代理工作區。該平台整合了大量可自訂且可共享的微型應用程式。 Cloudflare OS 絕非僅是對通用 AI 工具的簡單封裝,而是由 Cloudflare 內部團隊從頭開始打造,旨在滿足特定的營運需求。 經過廣泛的內部測試後,該平台現已開源,供企業採用。Cloudflare 共同創辦人暨執行長馬修
馬斯克的人工智慧信用卡結賬功能引發爭議,此前OpenAI高管對此進行了嘲諷
埃隆·馬斯克最近在社交媒體上公佈了 Grok 的新購物功能,解釋說使用者可以拍攝信用卡照片並將其傳送到聊天介面。然後,人工智慧將 scour 網路以尋找最佳價格,並代表使用者完成購買。這種大膽、無縫的方法在科技界引發了激烈的爭論。競爭對手迅速提出了安全擔憂。OpenAI 的高階執行官 Tibo 釋出了一篇諷刺帖子,其中包含一張假信用卡圖片,強調了將敏感支付資料直接傳輸到人工智慧模型的嚴重隱私和安全風險。實施障礙也隨之出現,據報道,包括亞馬遜在內的大型零售商正在部署技術障礙以阻止 Grok 的自動
相關專題推薦
評論 (0)
0/500
OpenAI 已將 GPT-Live-1 整合至其 API 中,讓開發者能夠打造支援即時語音互動的應用程式與商業工作流程。此模型可實現全雙工對話,不僅能同時聆聽與說話,還能有效處理中斷、停頓及背景噪音。
GPT-Live-1 亦針對電話情境(例如餐廳預約與客戶支援)進行了優化,可實現全雙工語音代理。OpenAI 指出,開發者可將其與 Codex 等工具整合,或運用 OpenAI Presence 來建置語音應用程式,這些應用程式能查詢企業系統、執行授權動作,並在需要時將通話無縫轉接給真人客服。

整合語音理解與輸出以降低延遲
GPT-Live-1 將語音辨識與合成整合於單一模型中,省去了傳統「語音轉文字-大型語言模型(LLM)-文字轉語音」處理流程中常見的多重連線需求,從而顯著降低延遲。該模型亦能透過後端文字模型處理複雜推理與工具呼叫。 開發者可透過系統提示自訂語調、語速及對話風格,同時配置後端模型、工具及客服代理框架。OpenAI 確認 GPT-Live-1 支援原生語音辨識轉錄與回應文字,具備字母數字理解、關鍵字偏好及輪次偵測等功能。
初步評估顯示,在語言學習平台 Speak 上,相較於先前的回合制系統,使用 GPT-Live-1 將學習者在思考停頓期間遭誤中斷的情況減少了近 80%。 某醫療服務平台的共同創辦人暨技術長 Tony Stoyanov 表示,程式碼量減少了 80%,刪除了約 23,000 行程式碼。 OpenAI 的評估顯示,在全雙工基準測試中,GPT-Live-1 的表現比 GPT-Realtime-2.1 高出 30 個百分點;當與 GPT-6 Astra 搭配使用且推理強度設定為中等時,該模型在 Tau3 端到端語音代理任務測試中名列第一。
前端語音層定價為每分鐘 0.05 美元,並新增 12 種語音
關於定價,GPT-Live-1 的前端語音層每分鐘收費 0.05 美元,相當於每小時約 3 美元(約 20.2 人民幣)。後端模型和代理工具的費用將另行計費。 OpenAI 亦透過新增 12 種語音選項來擴展即時語音服務,包括:Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta 及 Cinder。該公司計畫在未來數月內推出更多語音選項及語言支援。
蘋果推出 iOS 27 的首個公開測試版,標誌著 Siri 進行了重大的人工智慧改版
Apple今日正式向用戶釋出iOS 27的首個公開測試版。此更新無需開發者帳戶。用戶只需在Apple Beta 軟體計畫網站上註冊或登入,並在 iPhone 的「設定 > 一般 > 軟體更新 > 測試版更新」中選擇對應版本,即可下載並安裝。 蘋果建議使用者在備用裝置上進行測試,並預先透過 iCloud 或電腦備份資料。Siri 的人工智慧經過全面重構基於全新的 Apple Intelligence
Cloudflare 推出開源 AI 代理工作區,讓員工無需編寫程式碼即可建立自訂工作流程
Cloudflare 已正式推出 Cloudflare OS,這是一個直接在瀏覽器中運行的開源 AI 代理工作區。該平台整合了大量可自訂且可共享的微型應用程式。 Cloudflare OS 絕非僅是對通用 AI 工具的簡單封裝,而是由 Cloudflare 內部團隊從頭開始打造,旨在滿足特定的營運需求。 經過廣泛的內部測試後,該平台現已開源,供企業採用。Cloudflare 共同創辦人暨執行長馬修
馬斯克的人工智慧信用卡結賬功能引發爭議,此前OpenAI高管對此進行了嘲諷
埃隆·馬斯克最近在社交媒體上公佈了 Grok 的新購物功能,解釋說使用者可以拍攝信用卡照片並將其傳送到聊天介面。然後,人工智慧將 scour 網路以尋找最佳價格,並代表使用者完成購買。這種大膽、無縫的方法在科技界引發了激烈的爭論。競爭對手迅速提出了安全擔憂。OpenAI 的高階執行官 Tibo 釋出了一篇諷刺帖子,其中包含一張假信用卡圖片,強調了將敏感支付資料直接傳輸到人工智慧模型的嚴重隱私和安全風險。實施障礙也隨之出現,據報道,包括亞馬遜在內的大型零售商正在部署技術障礙以阻止 Grok 的自動





首頁






