モデル・開発

GPT-Live-1をAPIで提供開始

原題: Build more natural voice experiences with GPT‑Live‑1 in the API

重要API提供音声

ChatGPTの全二重音声モデルを開発者へ提供

OpenAIは9月10日、GPT-Live-1をAPIで提供開始しました。

入力音声を聞きながら出力音声を生成する全二重方式で、発話の割り込みや短い相づちを扱えます。

従来の音声認識、言語モデル、音声合成を直列につなぐ構成を、単一の音声モデルへまとめられます。

深い推論やツール呼び出しはGPT-6 Astraなどの背後モデルや第三者モデルへ委任できます。

system promptで話す調子、速度、会話スタイルを調整できます。

背景雑音や沈黙、長時間セッション、電話回線での音声エージェントに対応します。

ASR文字起こしと応答テキストを標準で取得でき、キーワードの優先認識と発話区間検出も利用できます。

APIには複数のアクセント、方言、言語に対応する新しい音声選択肢が追加されました。

音声フロントエンド層の料金は1分0.05ドルで、背後モデルとエージェント基盤の料金は別途発生します。

独自音声の利用は営業窓口への申請と適格性確認が必要です。