OpenAI hat die API für GPT-Live-1 veröffentlicht, ein innovatives Sprachmodell, das in der Lage ist, gleichzeitig zuzuhören und zu sprechen, was als Full-Duplex bezeichnet wird. Dieses Modell wird bereits in ChatGPT eingesetzt. Im Gegensatz zu früheren Ansätzen, bei denen Spracherkennung, Sprachverarbeitung und Sprachausgabe separat behandelt wurden, integriert GPT-Live-1 alle Funktionen in einem einzigen Modell. Dies soll dazu beitragen, Verzögerungen zu minimieren und Unterbrechungen in Gesprächen effektiver zu bewältigen.
Entwickler haben die Möglichkeit, GPT-Live-1 mit verschiedenen Backend-Modellen zu kombinieren, um Rechenleistung, Geschwindigkeit und Kosten entsprechend den spezifischen Anforderungen anzupassen. Mit einem Preis von 0,05 Dollar pro Minute ist das Modell jedoch nicht gerade günstig. Yelp nutzt es bereits für telefonische Reservierungen und berichtet laut CTO Alex Levy von einer verbesserten Anrufbearbeitung.
In den internen Benchmarks von OpenAI schneidet GPT-Live-1 deutlich besser ab als seine Vorgänger: Bei Full-Duplex-Tests erzielt es 80,1 Prozent, während GPT-Realtime-2.1 nur 45,4 Prozent erreicht. Die Reaktionszeit hat sich von 1,4 auf 0,8 Sekunden verringert, und die Genauigkeit bei Tool-Aufrufen steigt von 60 auf 87 Prozent. In einem Sprachtest für Banken erreicht GPT-Live-1 32 Prozent, während der Vorgänger lediglich 12,4 Prozent erzielt hat. Zudem bietet das Modell zwölf neue Stimmen in unterschiedlichen Akzenten, Dialekten und Sprachen. Weitere Informationen sind in der API-Dokumentation zu finden, die derzeit noch nicht online verfügbar ist.
Quellen: the-decoder
Bildquelle: KI generiert
Dieser Text wurde mit Hilfe von künstlicher Intelligenz in Zusammenarbeit mit unserer Redaktion erstellt.
🚀