OpenAI випустила нову голосову модель і знизила ціни на 20%

OpenAI представила велику мовну модель gpt-realtime, оптимізовану для генерації мовлення. Про це повідомляє блог компанії.

Новинка здатна відтворювати мовлення, яке звучить природніше, ніж усі попередні моделі. Наприклад, вона може змінювати інтонацію посеред речення.

До цього часу розробникам додатків OpenAI пропонувала лише попередню версію gpt-4o-realtime-preview. Вона дозволяла протестувати можливості, але для продакшн-сценаріїв мало підходила: були технічні обмеження та нестабільне ціноутворення.

Тепер розробники можуть використовуючи gpt-realtime в будь-яких програмах та налаштовувати її для конкретних завдань. Наприклад, команда, яка створює голосовий бот технічної підтримки, може доручити gpt-realtime цитувати інформацію з бази даних у відповідях на певні запити.

Доступ до gpt-realtime можна отримати через OpenAI Realtime API. Це інтерфейс прикладного програмування, який дозволяє клієнтам взаємодіяти з голосовими та мультимодальними моделями. В рамках оновлення продукту OpenAI зробила API загальнодоступним. 

Що стосується вартості, то ціни на аудіо-токени знижено на 20% в порівнянні з версією gpt-4o-realtime-preview:

• $32 за 1 млн вхідних аудіо-токенів.
• $64 за 1 млн вихідних токенів.
• Для кешованих входів – $0.40 за 1 млн.