OpenAI 将支持全双工语音和中断处理功能的 GPT-Live-1 添加至 API,以满足客户服务通话需求
OpenAI 已将 GPT-Live-1 集成到其 API 中,使开发者能够创建支持实时语音交互的应用程序和业务工作流。该模型支持全双工对话,能够同时进行聆听和说话,并能有效处理打断、停顿和背景噪音。
GPT-Live-1 还针对电话场景(如餐厅预订和客户支持)进行了优化,可实现全双工语音客服。OpenAI 指出,开发者可将其与 Codex 等工具集成,或利用 OpenAI Presence 构建语音应用程序,这些应用程序能够查询企业系统、执行授权操作,并在需要时将通话无缝转接给人工客服。

统一的语音理解与输出,降低延迟
GPT-Live-1 将语音识别与合成整合于单一模型中,消除了传统“语音转文本——大语言模型(LLM)——文本转语音”管道中常见的多重连接需求,从而显著降低了延迟。该模型还可通过后端文本模型处理复杂的推理和工具调用。 开发者可通过系统提示自定义语调、语速和对话风格,同时配置后端模型、工具及客服框架。OpenAI确认,GPT-Live-1支持原生语音识别转录和响应文本,具备字母数字理解、关键词偏好和轮次检测等功能。
早期评估表明,在语言学习平台 Speak 上,与之前的回合制系统相比,使用 GPT-Live-1 将学习者在思考停顿期间被错误打断的情况减少了近 80%。 某医疗服务平台联合创始人兼首席技术官托尼·斯托亚诺夫(Tony Stoyanov)表示,代码量减少了80%,删除了约23,000行代码。 OpenAI的评估显示,在全双工基准测试中,GPT-Live-1的表现比GPT-Realtime-2.1高出30个百分点;当与GPT-6 Astra搭配使用且推理强度处于中等水平时,它在Tau3端到端语音代理任务测试中排名第一。
前端语音层定价为每分钟0.05美元,新增12种语音
在定价方面,GPT-Live-1的前端语音层按每分钟0.05美元计费,相当于每小时约3美元(约合20.2元人民币)。后端模型和智能代理工具的费用将单独计费。 OpenAI 还通过新增 12 种语音选项扩展了实时语音服务:Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta 和 Cinder。该公司计划在未来几个月内推出更多语音选项和语言支持。
相关文章
苹果发布 iOS 27 的首个公开测试版,标志着 Siri 进行了重大的人工智能升级
苹果公司今天正式向用户发布了iOS 27的首个公开测试版。此次更新无需开发者账号。用户只需在“Apple Beta 软件计划”网站上注册或登录,然后在 iPhone 的“设置 > 通用 > 软件更新 > 测试版更新”中选择相应版本,即可下载并安装。 苹果建议用户在备用设备上进行测试,并提前通过iCloud或电脑备份数据。Siri的AI系统已全面重构基于全新的 Apple Intelligence系
Cloudflare 推出开源 AI 代理工作区,让员工无需编写代码即可构建自定义工作流
Cloudflare 已正式发布 Cloudflare OS,这是一个直接在浏览器中运行的开源 AI 代理工作区。该平台集成了大量可自定义、可共享的微应用。 Cloudflare OS 绝非仅仅是对通用 AI 工具的简单封装,而是由 Cloudflare 内部团队从零开始构建,旨在满足具体的运营需求。 经过广泛的内部测试,该平台现已开源,供企业采用。Cloudflare 联合创始人兼首席执行官马修
马斯克的人工智能信用卡结账功能引发争议,此前OpenAI高管对此进行了嘲讽
埃隆·马斯克最近在社交媒体上公布了 Grok 的新购物功能,解释说用户可以拍摄信用卡照片并将其发送到聊天界面。然后,人工智能将 scour 网络以寻找最佳价格,并代表用户完成购买。这种大胆、无缝的方法在科技界引发了激烈的争论。竞争对手迅速提出了安全担忧。OpenAI 的高级执行官 Tibo 发布了一篇讽刺帖子,其中包含一张假信用卡图片,强调了将敏感支付数据直接传输到人工智能模型的严重隐私和安全风险。实施障碍也随之出现,据报道,包括亚马逊在内的大型零售商正在部署技术障碍以阻止 Grok 的自动
相关专题推荐
评论 (0)
0/500
OpenAI 已将 GPT-Live-1 集成到其 API 中,使开发者能够创建支持实时语音交互的应用程序和业务工作流。该模型支持全双工对话,能够同时进行聆听和说话,并能有效处理打断、停顿和背景噪音。
GPT-Live-1 还针对电话场景(如餐厅预订和客户支持)进行了优化,可实现全双工语音客服。OpenAI 指出,开发者可将其与 Codex 等工具集成,或利用 OpenAI Presence 构建语音应用程序,这些应用程序能够查询企业系统、执行授权操作,并在需要时将通话无缝转接给人工客服。

统一的语音理解与输出,降低延迟
GPT-Live-1 将语音识别与合成整合于单一模型中,消除了传统“语音转文本——大语言模型(LLM)——文本转语音”管道中常见的多重连接需求,从而显著降低了延迟。该模型还可通过后端文本模型处理复杂的推理和工具调用。 开发者可通过系统提示自定义语调、语速和对话风格,同时配置后端模型、工具及客服框架。OpenAI确认,GPT-Live-1支持原生语音识别转录和响应文本,具备字母数字理解、关键词偏好和轮次检测等功能。
早期评估表明,在语言学习平台 Speak 上,与之前的回合制系统相比,使用 GPT-Live-1 将学习者在思考停顿期间被错误打断的情况减少了近 80%。 某医疗服务平台联合创始人兼首席技术官托尼·斯托亚诺夫(Tony Stoyanov)表示,代码量减少了80%,删除了约23,000行代码。 OpenAI的评估显示,在全双工基准测试中,GPT-Live-1的表现比GPT-Realtime-2.1高出30个百分点;当与GPT-6 Astra搭配使用且推理强度处于中等水平时,它在Tau3端到端语音代理任务测试中排名第一。
前端语音层定价为每分钟0.05美元,新增12种语音
在定价方面,GPT-Live-1的前端语音层按每分钟0.05美元计费,相当于每小时约3美元(约合20.2元人民币)。后端模型和智能代理工具的费用将单独计费。 OpenAI 还通过新增 12 种语音选项扩展了实时语音服务:Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta 和 Cinder。该公司计划在未来几个月内推出更多语音选项和语言支持。
苹果发布 iOS 27 的首个公开测试版,标志着 Siri 进行了重大的人工智能升级
苹果公司今天正式向用户发布了iOS 27的首个公开测试版。此次更新无需开发者账号。用户只需在“Apple Beta 软件计划”网站上注册或登录,然后在 iPhone 的“设置 > 通用 > 软件更新 > 测试版更新”中选择相应版本,即可下载并安装。 苹果建议用户在备用设备上进行测试,并提前通过iCloud或电脑备份数据。Siri的AI系统已全面重构基于全新的 Apple Intelligence系
Cloudflare 推出开源 AI 代理工作区,让员工无需编写代码即可构建自定义工作流
Cloudflare 已正式发布 Cloudflare OS,这是一个直接在浏览器中运行的开源 AI 代理工作区。该平台集成了大量可自定义、可共享的微应用。 Cloudflare OS 绝非仅仅是对通用 AI 工具的简单封装,而是由 Cloudflare 内部团队从零开始构建,旨在满足具体的运营需求。 经过广泛的内部测试,该平台现已开源,供企业采用。Cloudflare 联合创始人兼首席执行官马修
马斯克的人工智能信用卡结账功能引发争议,此前OpenAI高管对此进行了嘲讽
埃隆·马斯克最近在社交媒体上公布了 Grok 的新购物功能,解释说用户可以拍摄信用卡照片并将其发送到聊天界面。然后,人工智能将 scour 网络以寻找最佳价格,并代表用户完成购买。这种大胆、无缝的方法在科技界引发了激烈的争论。竞争对手迅速提出了安全担忧。OpenAI 的高级执行官 Tibo 发布了一篇讽刺帖子,其中包含一张假信用卡图片,强调了将敏感支付数据直接传输到人工智能模型的严重隐私和安全风险。实施障碍也随之出现,据报道,包括亚马逊在内的大型零售商正在部署技术障碍以阻止 Grok 的自动





首页






