BTC $64,037.07 -0.20%
ETH $1,840.73 -1.98%
BNB $568.08 -1.35%
XRP $1.08 -0.80%
SOL $74.98 -1.19%
TRX $0.3226 -0.13%
DOGE $0.0726 -0.57%
ADA $0.1661 +1.78%
BCH $220.60 -0.87%
LINK $8.24 -2.31%
HYPE $59.76 -4.33%
AAVE $90.53 -1.77%
SUI $0.7387 -1.49%
XLM $0.1862 -2.51%
ZEC $543.33 +0.53%
BTC $64,037.07 -0.20%
ETH $1,840.73 -1.98%
BNB $568.08 -1.35%
XRP $1.08 -0.80%
SOL $74.98 -1.19%
TRX $0.3226 -0.13%
DOGE $0.0726 -0.57%
ADA $0.1661 +1.78%
BCH $220.60 -0.87%
LINK $8.24 -2.31%
HYPE $59.76 -4.33%
AAVE $90.53 -1.77%
SUI $0.7387 -1.49%
XLM $0.1862 -2.51%
ZEC $543.33 +0.53%

音频

全部
文章
快讯

OpenAI 发布更新:实现实时跨音频、视觉和文本推理

ChainCatcher 消息,据 Cointelegraph 报道,OpenAI 在 10 月对其模型进行了四项更新,帮助其 AI 模型更好地进行对话并提高图像识别能力。第一项重大更新是实时 API,它允许开发人员使用单个提示创建人工智能生成的语音应用程序,实现类似于 ChatGPT 高级语音模式的自然对话。以前开发人员必须将多个模型“拼接在一起”才能创建这些体验。音频输入通常需要在接收响应之前完全上传和处理,这意味着语音相互对话等实时应用程序的延迟较高。借助 Realtime API 的流媒体功能,开发人员现在可以实现即时、自然的交互,就像语音助手一样。该 API 运行在 2024 年 5 月发布的 GPT-4 上,可以实时跨音频、视觉和文本进行推理。 另一项更新包括为开发人员提供的微调工具,使他们能够改进从图像和文本输入生成的人工智能响应。基于图像的微调器使人工智能能够更好地理解图像,从而增强视觉搜索和物体检测能力。该过程包括来自人类的反馈,他们提供了好的和坏的反应例子进行训练。 除了语音和视觉更新之外,OpenAI 还推出了“模型蒸馏”和“提示缓存”,允许较小的模型向较大的模型学习,并通过重用已处理的文本来减少开发成本和时间。据路透社报道,OpenAI 预计明年收入将增至 116 亿美元,高于 2024 年预计的 37 亿美元。
app_icon
ChainCatcher 与创新者共建Web3世界