OpenAI 推出全新語音智能功能於其 API

OpenAI 今（四）日表示，其 API 現在將包含數項新的聲音智能功能，旨在協助開發者建立可以對話、轉錄與翻譯與使用者對話的應用程式。該公司的新 GPT-Realtime-2 是另一個聲音模型，用來建立逼真的聲音模擬，可以與使用者對話。然而，與其前一代（GPT-Realtime-1.5）不同，這個模型是使用 GPT-5 等級的推理能力所建構，OpenAI 表示這個能力是用來處理來自使用者更為複雜的請求。該公司同時也推出 GPT-Realtime-Translate，正如其名稱所顯示，這個功能是設計用來提供即時翻譯服務，能與使用者對話般同步進行。這個功能包含超過 70 種輸入語言（也就是它能夠理解的語言），以及 13 種輸出語言（也就是它傳達給發話者使用的語言）。最後，該公司也推出了新的轉錄功能 GPT-Realtime-Whisper，讓使用者擁有即時的語音轉文字能力，並在互動發生時即時記錄。OpenAI 表示：「我們推出的這些模型，將實時音訊從單純的問與答，推向可以實際執行工作的聲音介面：聆聽、推理、翻譯、轉錄，並在對話進行中採取行動。」這些更新會對哪些人有幫助？想要擴充客服功能的企業顯然是明顯的目標。然而，OpenAI 也指出，其新功能將協助許多不同領域，包括教育、媒體、活動與創作者平台等。雖然這些工具從企業觀點看來似乎非常實用，但也有可能被濫用。該公司表示，已建立防護機制，防止新功能被用來製造垃圾訊息、詐欺或其他形式的網際網路濫用。系統中已嵌入某些觸發條件，讓「在檢測到對話違反我們有害內容指引時，可以中止對話」，OpenAI 如此說明。所有新的聲音模型皆包含於 OpenAI 的 Realtime API 中。Translate 與 Whisper 是按分鐘計費，而 GPT-Realtime-2 則是按 token 消耗量計費。