OpenAI lanza la API GPT-Live-1, que admite conversaciones de voz de doble vía

OpenAI ha lanzado el modelo de voz de doble vía GPT-Live-1 en su API, que permite escuchar y generar voz simultáneamente, mejorando el manejo de interrupciones, pausas, ruido de fondo y conversaciones prolongadas, siendo adecuado para escenarios telefónicos. Los desarrolladores pueden controlar el tono, la velocidad y el estilo de conversación a través de indicaciones del sistema, y delegar el razonamiento profundo y las llamadas a herramientas a modelos de texto de backend como GPT-6 Astra o modelos de terceros. El rendimiento de GPT-Live-1 en el Full Duplex Bench ha mejorado en 30 puntos porcentuales en comparación con GPT-Realtime-2.1; las pruebas iniciales en la plataforma de aprendizaje de idiomas Speak muestran que este modelo reduce en casi un 80% las interrupciones erróneas de los momentos de pausa de los estudiantes en comparación con los sistemas de turnos tradicionales. La API de GPT-Live-1 ya está disponible, con un costo de 0,05 dólares por minuto para la capa de voz frontal, y los costos de los modelos de backend y el marco de agentes se facturan por separado.

Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.