OpenAI正式發(fā)布語音模型GPT-realtime。發(fā)布

據(jù)介紹，語音GPT-realtime是模型一款專注于語音AI Agent的多模態(tài)模型，能夠生成高度自然流暢的發(fā)布語音，精準(zhǔn)還原人類語調(diào)、語音情感和語速的模型豐富變化。該模型支持圖像理解，發(fā)布并可結(jié)合語音或文本對(duì)話使用，語音非常適合應(yīng)用于客服、模型教育、發(fā)布金融、語音醫(yī)療等領(lǐng)域，模型用于構(gòu)建高質(zhì)量的發(fā)布語音智能體。

官方表示，語音新模型在復(fù)雜指令遵循、模型工具精確調(diào)用以及生成更自然、更具表現(xiàn)力的語音方面表現(xiàn)卓越。尤其在重復(fù)字母與數(shù)字、逐字朗讀免責(zé)聲明、語句間無縫切換語言等場(chǎng)景中，GPT-realtime展現(xiàn)出優(yōu)秀的適應(yīng)能力。

該模型還具備出色的上下文理解能力，可準(zhǔn)確捕捉非語言線索（如笑聲），并實(shí)時(shí)調(diào)整語音語氣，實(shí)現(xiàn)諸如“帶法國(guó)口音的友好語調(diào)”或“語速較快的專業(yè)語調(diào)”等多樣化表達(dá)。

此外，GPT-realtime新增了“Cedar”和“Marin”兩種語音風(fēng)格，并對(duì)現(xiàn)有八種語音效果進(jìn)行了全面優(yōu)化。