Новые звуковые модели в API + инструменты для голосовых агентов
Сегодня я рад сообщить, что в нашем API появились три новые аудиомодели. Мы также обновили наш Agents SDK для поддержки новых моделей, что позволяет преобразовать любого текстового агента в аудиоагента с помощью нескольких строк кода.
Преобразование речи в текст
Теперь вы можете использовать gpt-4o-transcribe и gpt-4o-mini-transcribe в различных вариантах использования - от голосовых агентов службы поддержки клиентов до записи заметок о собраниях. Новые transcribe модели превосходят Whisper, предлагая лучшую точность и производительность. Мы также добавили двунаправленную потоковую передачу, чтобы вы могли транслировать аудио и получать поток текста обратно. А streaming API поддерживает встроенное шумоподавление и новый семантический детектор голосовой активности, так что вы можете выбирать транскрипцию только тогда, когда пользователь закончил свою мысль (полезно для создания голосовых агентов!). Функция шумоподавления + семантическая VAD также доступны в Realtime API. Подробнее можно узнать в нашей документации.
Преобразование текста в речь
С помощью новой модели gpt-4o-mini-tts вы можете точно контролировать тон, эмоции и скорость генерируемых голосов, создавая более естественные и увлекательные впечатления. Начиная с 10 предустановленных голосов, вы можете использовать подсказки для настройки речи под конкретные сценарии. Это позволяет использовать модель в самых разных случаях: от более чутких и динамичных голосов для обслуживания клиентов до выразительного повествования для творческих историй. Мы также создали :радио: OpenAI.fm :радио: — демонстрационную версию, в которой вы можете попробовать нашу новую модель преобразования текста в речь в рамках бета-тестирования. Для начала работы ознакомьтесь с документацией.
Обновления SDK агентов
Теперь вы можете добавить аудиовозможности текстовым агентам, включив преобразование речи в текст и текста в речь с помощью всего нескольких строк кода. Чтобы начать работу, ознакомьтесь с документацией Agents SDK. Если у вас уже есть текстовый агент или голосовой агент, работающий на основе преобразования речи в текст и текста в речь, использование новых моделей с Agents SDK — лучший способ начать работу. Если вы хотите создавать приложения для преобразования речи в текст с низкой задержкой, мы рекомендуем использовать наши модели преобразования речи в текст в API Realtime.
Сегодня я рад сообщить, что в нашем API появились три новые аудиомодели. Мы также обновили наш Agents SDK для поддержки новых моделей, что позволяет преобразовать любого текстового агента в аудиоагента с помощью нескольких строк кода.
Преобразование речи в текст
Теперь вы можете использовать gpt-4o-transcribe и gpt-4o-mini-transcribe в различных вариантах использования - от голосовых агентов службы поддержки клиентов до записи заметок о собраниях. Новые transcribe модели превосходят Whisper, предлагая лучшую точность и производительность. Мы также добавили двунаправленную потоковую передачу, чтобы вы могли транслировать аудио и получать поток текста обратно. А streaming API поддерживает встроенное шумоподавление и новый семантический детектор голосовой активности, так что вы можете выбирать транскрипцию только тогда, когда пользователь закончил свою мысль (полезно для создания голосовых агентов!). Функция шумоподавления + семантическая VAD также доступны в Realtime API. Подробнее можно узнать в нашей документации.
Преобразование текста в речь
С помощью новой модели gpt-4o-mini-tts вы можете точно контролировать тон, эмоции и скорость генерируемых голосов, создавая более естественные и увлекательные впечатления. Начиная с 10 предустановленных голосов, вы можете использовать подсказки для настройки речи под конкретные сценарии. Это позволяет использовать модель в самых разных случаях: от более чутких и динамичных голосов для обслуживания клиентов до выразительного повествования для творческих историй. Мы также создали :радио: OpenAI.fm :радио: — демонстрационную версию, в которой вы можете попробовать нашу новую модель преобразования текста в речь в рамках бета-тестирования. Для начала работы ознакомьтесь с документацией.
Обновления SDK агентов
Теперь вы можете добавить аудиовозможности текстовым агентам, включив преобразование речи в текст и текста в речь с помощью всего нескольких строк кода. Чтобы начать работу, ознакомьтесь с документацией Agents SDK. Если у вас уже есть текстовый агент или голосовой агент, работающий на основе преобразования речи в текст и текста в речь, использование новых моделей с Agents SDK — лучший способ начать работу. Если вы хотите создавать приложения для преобразования речи в текст с низкой задержкой, мы рекомендуем использовать наши модели преобразования речи в текст в API Realtime.
Привет, Сообщество,
Мы открываем новую мега-галерею DALL-E на 2025 год.
Пожалуйста, ознакомьтесь с официальной галереей Dall-E 2025 года!
Также для того, чтобы люди могли найти сеть поддержки Dall-E.
Тег «Галерея» перенесёт вас на все предыдущие галереи и страницы @Daller по отслеживанию ошибок / поддержке
https://community.openai.com/tag/gallery
Мы открываем новую мега-галерею DALL-E на 2025 год.
Пожалуйста, ознакомьтесь с официальной галереей Dall-E 2025 года!
Также для того, чтобы люди могли найти сеть поддержки Dall-E.
Тег «Галерея» перенесёт вас на все предыдущие галереи и страницы @Daller по отслеживанию ошибок / поддержке
https://community.openai.com/tag/gallery
OpenAI Developer Community
Topics tagged gallery
Media is too big
VIEW IN TELEGRAM
Длинная статья с помощью искусственного интеллекта
This media is not supported in your browser
VIEW IN TELEGRAM
Описания видео на YouTube и RuTube
Создавайте привлекательные заголовки и описания для своих видео на YouTube и RuTube
Создавайте привлекательные заголовки и описания для своих видео на YouTube и RuTube
Обновление 4.2.0
Новая функция: добавлена новая модель OpenAI GPT-IMAGE-1 для улучшения качества и креативности создания изображений.
Новая функция: представлены новые модели Gemini — gemini-1.5-flash-8b, gemini-2.5-flash-preview-04-17 и gemini-2.5-pro-preview-03-25 — с поддержкой таких функций, как шаблон, код, длинная статья, преобразование речи в текст, чат с искусственным интеллектом, чат с документами, веб-чат, чат с распознаванием изображений и создание внешнего чат-бота.
Улучшение: обновлено меню навигации по функциям для более удобного доступа и улучшения пользовательского опыта.
Исправление ошибок: устранены проблемы с генерацией изображений.
Исправление ошибок: решена проблема с метаданными чат-бота.
Новая функция: добавлена новая модель OpenAI GPT-IMAGE-1 для улучшения качества и креативности создания изображений.
Новая функция: представлены новые модели Gemini — gemini-1.5-flash-8b, gemini-2.5-flash-preview-04-17 и gemini-2.5-pro-preview-03-25 — с поддержкой таких функций, как шаблон, код, длинная статья, преобразование речи в текст, чат с искусственным интеллектом, чат с документами, веб-чат, чат с распознаванием изображений и создание внешнего чат-бота.
Улучшение: обновлено меню навигации по функциям для более удобного доступа и улучшения пользовательского опыта.
Исправление ошибок: устранены проблемы с генерацией изображений.
Исправление ошибок: решена проблема с метаданными чат-бота.
This media is not supported in your browser
VIEW IN TELEGRAM
Создание видео из текстового запроса, видео от 5 до 10 секунд, Промты: Только на Английском языке
https://imagshot.com/user/text-to-video
https://imagshot.com/user/text-to-video
This media is not supported in your browser
VIEW IN TELEGRAM
Создание видео из текстового запроса, видео от 5 до 10 секунд, Промты: Только на Английском языке
https://imagshot.com/user/text-to-video
https://imagshot.com/user/text-to-video
Создавайте изображения по вашим запросам
https://imagshot.com/user/images/create
https://imagshot.com/user/images/create
Создавайте изображения по вашим запросам
https://imagshot.com/user/images/create
https://imagshot.com/user/images/create
Создавайте изображения по вашим запросам
https://imagshot.com/user/images/create
https://imagshot.com/user/images/create