OpenAI發布更新，實現即時跨音訊、視覺和文字推理

BlockBeats 訊息，10 月 2 日，據 Cointelegraph 報道，OpenAI 在 10 月對其模型進行了四項更新，幫助其 AI 模型更好地進行對話並提高圖像識別能力。第一項重大更新是即時 API，它允許開發人員使用單一提示創建人工智慧生成的語音應用程序，實現類似於 ChatGPT 高級語音模式的自然對話。以前開發人員必須將多個模型「拼接在一起」才能創造這些體驗。音訊輸入通常需要在接收回應之前完全上傳和處理，這意味著語音相互對話等即時應用程式的延遲較高。借助 Realtime API 的串流功能，開發人員現在可以實現即時、自然的交互，就像語音助理一樣。該 API 運行在 2024 年 5 月發布的 GPT-4 上，可即時跨音訊、視覺和文字進行推理。

另一項更新包括為開發人員提供的微調工具，使他們能夠改進從圖像和文字輸入生成的人工智慧回應。基於影像的微調器使人工智慧能夠更好地理解影像，從而增強視覺搜尋和物體偵測能力。這個過程包括來自人類的回饋，他們提供了好的和壞的反應例子進行訓練。

除了語音和視覺更新之外，OpenAI 還推出了“模型蒸餾”和“提示緩存”，允許較小的模型向較大的模型學習，並透過重複使用已處理的文字來減少開發成本和時間。根據路透社報道，OpenAI 預計明年營收將增至 116 億美元，高於 2024 年預計的 37 億美元。

原文連結