معرفی مدل‌های جدید
OpenAI در سال ۲۰۲۴ نسخه‌های تازه‌ای از مدل‌های صوتی خود را در API معرفی کرده و آن‌ها را در زمان واقعی پردازش می‌کنند، که ترجمه، ترنسکریپشن و تحلیل گفتار را ارائه می‌دهد.
قابلیت‌های پیشرفته مدل
- ترجمه بلادرنگ
- تحلیل لحن و احساس
- استخراج کلید واژه
چگونه در برنامه‌ها به کار برده شود
توسعه‌دهندگان می‌توانند با استفاده از Endpoints و SDKهای رسمی، مدل صوتی را در برنامه‌های خود ادغام کنند و خروجی را در فرمت JSON دریافت کنند.
پرسش‌های پرتکرار
مدل‌های صوتی OpenAI در زمان واقعی چگونه کار می‌کنند؟
مدل‌ها با استفاده از معماری Transformer و تجزیه‌و تحلیل صدا در بلوک‌های کوتاه، فوری ترجمه، ترنسکریپشن و تحلیل لحن را ارائه می‌دهند.
چگونه می‌توان مدل‌های صوتی را در برنامه‌های خود پیاده‌سازی کرد؟
از طریق مستندات API که شامل توضیحات Endpoints، پارامترهای voice model name و مثال‌های کد برای زبان‌های مختلف است، می‌توانید مدل را فراخوانی و خروجی‌های JSON را دریافت کنید.
