เราขอแนะนำสามโมเดลเสียงใน API ที่จะปลดล็อกประเภทใหม่ของแอปพลิเคชันเสียงสำหรับนักพัฒนา
เสียงในฐานะส่วนต่อประสานระหว่างผู้คนกับผลิตภัณฑ์
ตัวอย่างเช่น Zillow กำลังสร้างผู้ช่วยที่สามารถรับฟัง ให้เหตุผล และดำเนินการตามคำขอ เช่น “ค้นหาบ้านที่อยู่ในงบประมาณของฉัน หลีกเลี่ยงถนนที่พลุกพล่าน และกำหนดการทัวร์สำหรับวันเสาร์”
เสียงแบบเรียลไทม์: ช่วยให้โมเดลเสียงให้เหตุผลและดำเนินการ
การเรียกใช้เครื่องมือแบบขนานและความโปร่งใสของเครื่องมือ: โมเดลสามารถเรียกใช้เครื่องมือหลายอย่างพร้อมกันและทำให้การกระทำเหล่านั้นเป็นเสียงได้ เช่น “กำลังตรวจสอบปฏิทินของคุณ” หรือ “กำลังค้นหาข้อมูลนั้นอยู่” ซึ่งช่วยให้เอเจนต์ตอบสนองได้ในขณะที่ทำงานอยู่
การปรับโทนและการนำเสนอที่ควบคุมได้มากขึ้น: โมเดลสามารถปรับโทนเสียงได้ดีขึ้น เช่น พูดอย่างสงบเมื่อแก้ไขปัญหา หรือแสดงความเห็นอกเห็นใจเมื่อผู้ใช้หงุดหงิด
ความพยายามในการให้เหตุผลที่ปรับได้: นักพัฒนาสามารถเลือกได้ตั้งแต่ระดับการให้เหตุผลน้อยที่สุดไปจนถึงมากที่สุด โดยมีระดับต่ำเป็นค่าเริ่มต้น เพื่อรักษาสมดุลระหว่างความหน่วงต่ำสำหรับการโต้ตอบที่ไม่ซับซ้อน กับการให้เหตุผลที่รอบคอบสำหรับคำขอที่ซับซ้อน
GPT‑Realtime‑2 แสดงให้เห็นถึงความมหัศจรรย์ในกรณีการใช้งานที่หลากหลาย เช่น ในช่วงทดสอบเบื้องต้น บริษัทต่างๆ ใช้ GPT‑Realtime‑2 เพื่อสร้างเอเจนต์เสียงที่ช่วยให้ลูกค้าและพนักงานทำงานต่างๆ ผ่านการสนทนาที่เป็นธรรมชาติ
การแปลแบบเรียลไทม์: สร้างประสบการณ์เสียงหลายภาษาแบบสด
ในวิดีโอนี้ Vimeo แสดงให้เห็นว่า GPT‑Realtime‑Translate สามารถแปลวิดีโอให้ความรู้ผลิตภัณฑ์แบบสดในขณะที่เล่น ทำให้ลูกค้าทั่วโลกสามารถฟังการอัปเดตในภาษาที่พวกเขาต้องการได้โดยไม่ต้องรอเวอร์ชันที่ผลิตแยกต่างหาก
ความปลอดภัย
นักพัฒนาสามารถเพิ่มการป้องกันด้านความปลอดภัยเพิ่มเติมของตนเองได้อย่างง่ายดายโดยใช้ Agents SDK ส่วนนโยบายการใช้งานของเราห้ามการนำเอาต์พุตจากบริการของเราไปใช้ซ้ำหรือเผยแพร่เพื่อสแปม การหลอกลวง หรือวัตถุประสงค์ที่เป็นอันตรายอื่นๆ
ศัพท์ที่ควรรู้
- API – Application Programming Interface คือชุดเครื่องมือที่ช่วยให้นักพัฒนาเชื่อมต่อและใช้งานโมเดลของ OpenAI ได้
- Parallel tool calls คือการที่โมเดลสามารถเรียกใช้เครื่องมือหลายอย่างพร้อมกันเพื่อทำงานให้เสร็จเร็วขึ้น
- GPT‑Realtime‑2 คือโมเดลที่ช่วยให้การโต้ตอบด้วยเสียงมีความเป็นธรรมชาติและตอบสนองได้ทันที
- Agents SDK คือชุดพัฒนาซอฟต์แวร์ที่ช่วยให้นักพัฒนาเพิ่มชั้นความปลอดภัยของตนเองเข้าไปในระบบ
ที่มา: OpenAI