Компанія OpenAI, творець ChatGPT, представила нове покоління голосових моделей для перетворення тексту в мовлення та навпаки. У компанії підкреслюють, що ці моделі побудовані на основі найсучасніших алгоритмів машинного навчання.
Система дозволяє не просто озвучувати текст, а й детально налаштовувати голос: можна змінювати інтонацію, тембр, емоційне забарвлення та стиль подачі. Наприклад, штучний інтелект може говорити голосом пірата чи оповідача казок. Крім готових шаблонів, користувачі можуть задавати власні інструкції для ще більш точного налаштування.
Також OpenAI покращила свою технологію розпізнавання мовлення. Нові моделі gpt-4o-transcribe та gpt-4o-mini-transcribe демонструють вищу точність перетворення мовлення в текст, навіть за складних умов — при сильному акценті, фонового шуму або різній швидкості мовлення.
Мета розробки — зробити взаємодію зі штучним інтелектом максимально природною та схожою на живе спілкування. Оновлені голосові моделі легко інтегруються у додатки та сервіси.
Нові можливості вже доступні для розробників через API, а всі охочі можуть випробувати їх на спеціальній демонстраційній платформі.
