原題:GPT-Live-1.1 improves pronunciation, accent consistency, and transcription in multilingual voice conversation…
OpenAIは11月19日、API更新ログでGPT-Live-1.1を発表しました。これはv1/live/sessionsにおける全二重音声対話(聞きながら話す)に使用されます。公式によれば、GPT-Live-1と比較して、転写精度が向上し、言語をまたぐ際のアクセントや音色の一貫性が高まっています。開発者は既存のLiveセッション設定でgpt-live-1.1に切り替え、バックエンドでの推論やツール呼び出しをいつ行うかを自然言語で記述できます。GPT-Live-1および1.1のWebRTCセッションでは、待機モードの設定も可能です。誰も話していない間は推論を一時停止し、誰かが話し始めると再開します。モデルページに記載されている価格は、アクティブ時が毎分0.05ドル、待機時が毎分0.02ドルで、バックエンドモデルおよびツール呼び出しは別途課金されます。
なぜ重要か 多言語音声アシスタントやカスタマーサポートを開発する開発者は、モデルを直接切り替えることができます。新たに追加された待機モードは、誰も話していない間は推論を一時停止し、より低い料率で課金されます。
信頼性:高信頼 · 出典 OpenAI API更新ログ など2社(公式含む) · イベント時間 11-19(北京時間)
理由
- OpenAI API公式更新ログおよびモデルページ
使い方
- 既存のLiveセッション設定でモデルをgpt-live-1.1に変更する
リスク
- 改善の程度はOpenAIの自己申告であり、更新ログには精度データが記載されていない
- 低価格の待機課金はWebRTCセッションにのみ適用される