Abierto AIha anunciadoel lanzamiento de sus últimos modelos de audio, diseñados para revolucionar las capacidades de los agentes de voz. Estos nuevos modelos, disponibles a través de API, incluyen funcionalidades avanzadas de voz a texto y de texto a voz, ofreciendo a los desarrolladores herramientas para crear aplicaciones de voz más expresivas y personalizables.
Los nuevos modelos de voz a texto, denominadosgpt-4o-transcribirygpt-4o-mini-transcribir, cuentan con mejoras significativas en precisión, reconocimiento de lenguaje y confiabilidad. Estos avances se lograron mediante el aprendizaje reforzado y una capacitación exhaustiva en diversos conjuntos de datos de audio de alta calidad. Los modelos están diseñados para manejar escenarios desafiantes, como acentos, entornos ruidosos y velocidades de habla variables, con mayor precisión.
En el frente de la conversión de texto a voz, OpenAI introdujo elgpt-4o-mini-ttsmodelo, que mejora la direccionabilidad y permite a los desarrolladores controlar cómo se articula el texto. Si bien actualmente se limita a voces artificiales preestablecidas, este modelo representa un paso adelante en la creación de interacciones de voz más naturales y atractivas.
OpenAI también ha integrado estos modelos con su SDK de agentes, lo que permite a los desarrolladores crear agentes de voz con facilidad. Para aplicaciones que requieren experiencias de voz a voz de baja latencia, OpenAI recomienda utilizar su API en tiempo real. En otras palabras, pronto escucharemos más voces humanas en los juegos o al otro lado de los servicios de llamadas.
Por primera vez, los desarrolladores también pueden indicarle al modelo de texto a voz que hable de una manera específica (por ejemplo, “hablar como un comprensivo agente de servicio al cliente”), lo que desbloquea un nuevo nivel de personalización para los agentes de voz. – del comunicado de prensa de OpenAI
De cara al futuro, OpenAI planea seguir perfeccionando sus modelos de audio, centrándose en mejorar la inteligencia, la precisión y las opciones de personalización. La compañía también tiene como objetivo explorar formas para que los desarrolladores incorporen voces personalizadas respetando los estándares de seguridad.
Estos nuevos modelos de audio ya están disponibles para los desarrolladores, lo que marca un hito importante en la evolución de la tecnología de agentes de voz. Con estas herramientas, OpenAI está allanando el camino para aplicaciones basadas en voz más avanzadas y personalizadas.