OpenAI正式發布語音模型GPT-realtime。發布

據介紹，語音GPT-realtime是模型一款專注于語音AI Agent的多模態模型，能夠生成高度自然流暢的發布語音，精準還原人類語調、語音情感和語速的模型豐富變化。該模型支持圖像理解，發布并可結合語音或文本對話使用，語音非常適合應用于客服、模型教育、發布金融、語音醫療等領域，模型用于構建高質量的發布語音智能體。

官方表示，語音新模型在復雜指令遵循、模型工具精確調用以及生成更自然、更具表現力的語音方面表現卓越。尤其在重復字母與數字、逐字朗讀免責聲明、語句間無縫切換語言等場景中，GPT-realtime展現出優秀的適應能力。

該模型還具備出色的上下文理解能力，可準確捕捉非語言線索（如笑聲），并實時調整語音語氣，實現諸如“帶法國口音的友好語調”或“語速較快的專業語調”等多樣化表達。

此外，GPT-realtime新增了“Cedar”和“Marin”兩種語音風格，并對現有八種語音效果進行了全面優化。

很贊哦!（2）