OpenAI яриаг текст болгох хоёр шинэ модель гаргав
OpenAI яриаг бичвэр болгон хувиргах зориулалттай хоёр шинэ хиймэл оюуны загвар танилцуулжээ. Эдгээр нь GPT-Live-Transcribe болон GPT-Transcribe нэртэй бөгөөд хэрэглээний хувьд өөр өөр зорилготой байна.
GPT-Live-Transcribe нь бодит цагийн орчинд, хамгийн бага сааталтайгаар яриаг шууд текст болгоход зориулагдсан. Харин GPT-Transcribe нь бэлэн аудио файл боловсруулах, их хэмжээний бичлэгийг багцаар нь хөрвүүлэхэд илүү тохиромжтой гэж мэдээлжээ.
Контекст ойлгох чадвар сайжирсан
Шинэ хоёр загварын гол давуу тал нь контекстийг илүү сайн ойлгох чадвар гэж OpenAI онцолсон байна. Ингэснээр тусгай нэр томьёо, хүний нэр, байгууллагын нэр, олон хэлний яриаг өмнөхөөс илүү нарийвчлалтай таних боломжтой болжээ.
OpenAI-ийн мэдээлснээр, контекст ашиглах нь транскрипцийн чанарыг мэдэгдэхүйц сайжруулдаг. Мөн шинэ загварууд өмнөх Whisper модельтой харьцуулахад алдаа багатай ажилладаг гэж компанийн зүгээс мэдэгдсэн байна.
GPT-Transcribe-ийн үнэ 1000 минут тутамд 4.5 ам.доллар
Artificial Analysis-ийн хийсэн хараат бус туршилтаар GPT-Transcribe өндөр нарийвчлалтай ажиллаж буйг баталсан гэж мэдээлэгджээ.
Мөн уг загварыг ашиглах үнэ 1000 минутын аудио тутамд 4.5 ам.доллар байхаар тогтоогдсон байна. Энэ нь аудио архив, ярилцлага, подкаст, уулзалтын бичлэг зэрэг их хэмжээний материалыг текст болгох хэрэглээнд чиглэсэн шийдэл болж байна.
Alibaba “яриа-яриа” форматтай шинэ Qwen загваруудаа танилцууллаа
Үүний зэрэгцээ Alibaba компани Qwen-Audio-3.0-Realtime Plus болон Qwen-Audio-3.0-Realtime Flash нэртэй шинэ загваруудаа танилцуулжээ.
Эдгээр нь “яриа-яриа” хэлбэрээр ажилладаг буюу хэрэглэгчийн хэлсэн зүйлийг ойлгож, шууд дуу хоолойгоор хариулах боломжтой загварууд юм. Тэд бодит цагийн байгалийн харилцан яриаг дэмжихээс гадна хэрэглэгч AI-г хариулж байх үед нь таслан үргэлжлүүлэн ярьж чаддаг байна.
Дуу хоолойн клон, функц дуудах боломж нэмэгджээ
Alibaba-ийн шинэ Qwen загварууд функц дуудах боломжийг мөн дэмждэг гэж мэдээлсэн байна. Энэ нь хиймэл оюун ухаан зөвхөн яриад зогсохгүй тодорхой үйлдэл гүйцэтгэх, систем эсвэл аппликейшнтэй холбогдох боломжтой гэсэн үг юм.
Мөн хувийн дуу хоолойн клон үүсгэх боломж нэмэгдсэн нь хэрэглэгчийн туршлагыг илүү хувь хүнд тохируулах чиглэлд чухал алхам болж байна.
Qwen чанараар тэргүүлсэн ч хурдны хувьд OpenAI илүү байна
Artificial Analysis-ийн үнэлгээгээр Qwen-Audio-3.0-Realtime Plus нь “яриа-яриа” харилцааны чанараар OpenAI-ийн шийдлээс түрүүлжээ. Тодруулбал, Alibaba-ийн загвар 84.1 хувийн үнэлгээ авсан бол GPT-Realtime-2.1 High 79.1 хувьтай үнэлэгдсэн байна.
Гэхдээ хурдны хувьд Alibaba-ийн модель OpenAI-ээс хоцорч байгаа аж. Qwen-Audio-3.0-Realtime Plus хариултаа ойролцоогоор дөрвөн секундын дараа эхлүүлдэг бол OpenAI-ийн загвар нэг секундээс арай илүү хугацаанд хариу өгдөг гэж мэдээлжээ.
Ярианд суурилсан AI өрсөлдөөн улам ширүүсэв
OpenAI болон Alibaba-ийн шинэ загварууд нь яриа таних, шууд орчуулах, аудио боловсруулах, бодит цагийн дуут туслах зэрэг салбарт өрсөлдөөнийг улам эрчимжүүлж байна.
OpenAI илүү хурдан хариулах чадвар, транскрипцийн нарийвчлалд төвлөрч байгаа бол Alibaba байгалийн ярианы чанар, дуу хоолойгоор харилцах туршлага, персоналчлалд илүү хүчтэй байр суурь эзлэхийг зорьж байна.
