OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了
OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了家人们！OpenAI 这 12 天的连续剧大家都追完了吗？别急着下线！
来自主题: AI资讯
6914 点击 2024-12-25 11:39
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
家人们！OpenAI 这 12 天的连续剧大家都追完了吗？别急着下线！
你是不是以为发了GPT4.5？但很抱歉，今天只是发布了o1的API以及实时语音的新玩意。 还记得前段时间的OpenAI的DevDay吗？那上面曾经说过会更新OpenAI的API，现在期货交割了！这次OpenAI表现很好，才用了短短的一个多月就完成了交割，值得鼓励！（我是在吹不下去了。。。）
今天是美国的周一，本来以为会跟上周一样，挑选周一发个大货，毕竟上周就有爱好探索的网友发现 GPT4o 好像有了更新，已经开始说自己是 GPT4.5 了。
“它前进着，又跨过了新的一级台阶，耳边仿佛传来由远及近的低语：前方，即是世界。”
OpenAI的实时API支持低延迟、双向音频流，使得多模态AI应用（如语音对话Agent）得以实现。它通过WebSocket连接管理对话状态，并提供短语结束检测和语音活动检测（VAD）功能，大大简化了实时语音应用的开发。
算起来，距离 5 月 14 日 OpenAI 发布 GPT-4o 高级语音模式已经过去了半年时间。在这期间，AI 实时语音对话已经成为了有能力大厂秀肌肉、拼实力的新战场。
Ichigo[1] 是一个开放的、持续进行的研究项目，目标是将基于文本的大型语言模型（LLM）扩展，使其具备原生的“听力”能力。
10 月 25 日， RTE 年度场景 Showcase 暨第四届 RTE 创新大赛，Founder Park 作为核心生态合作伙伴应邀出席。
十一假期第1天， OpenAI一年一度的开发者大会又来了惹！今年的开发者大会分成三部分分别在美国、英国、新加坡三个地点举办，刚刚结束的是第一场。
今天，OpenAI 2024年首场DevDay在旧金山2号码头的Gateway Pavilion低调举办。