OpenAI ra mắt API GPT-Live-1: Đột phá khả năng hội thoại thời gian thực cho nhà phát triển

OpenAI đang cung cấp GPT-Live-1 cho các nhà phát triển dưới dạng API. Mô hình giọng nói này có khả năng nghe và nói cùng một lúc, một tính năng được gọi là "full-duplex" (song công toàn phần), và hiện đã được tích hợp bên trong ChatGPT. Các nhà phát triển có thể kết hợp nó với nhiều mô hình backend khác nhau tùy theo tác vụ, giúp tối ưu hóa độ sâu suy luận, tốc độ và chi phí cho từng trường hợp sử dụng. Với mức giá 0,05 USD mỗi phút, đây không phải là một lựa chọn rẻ. Theo CTO Alex Levy, Yelp đang sử dụng mô hình này cho các dịch vụ đặt chỗ qua điện thoại và ghi nhận hiệu quả xử lý cuộc gọi tốt hơn.

Trên các bài kiểm tra đánh giá (benchmark) của OpenAI, GPT-Live-1 vượt xa những phiên bản tiền nhiệm. Trong các bài kiểm tra tính tương tác song công (full-duplex), mô hình đạt 80,1% so với 45,4% của GPT-Realtime-2.1. Độ trễ khi chuyển đổi lượt nói giảm từ 1,4 giây xuống còn 0,8 giây. Độ chính xác khi gọi công cụ (tool-calling) tăng vọt từ 60% lên 87%. Trong một bài kiểm tra hỗ trợ giọng nói cho ngành ngân hàng, GPT-Live-1 đạt tỷ lệ thành công 32%, tăng từ 12,4% của mô hình trước đó.

GPT-Live-1 cũng đi kèm với mười hai giọng nói mới, bao gồm nhiều chất giọng, phương ngữ và ngôn ngữ khác nhau. Nó cung cấp sẵn các bản ghi ASR và văn bản phản hồi ngay khi sử dụng. Thông tin chi tiết sẽ có trong tài liệu API.

Tin tức AI không thổi phồng – Được biên soạn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo chuyên sâu "AI Radar" độc quyền sáu lần mỗi năm, quyền truy cập toàn bộ kho lưu trữ và tham gia phần bình luận của chúng tôi.

Đăng ký ngay