ओपनईने त्याच्या एपीआयमध्ये अधिक शक्तिशाली मॉडेल्ससह विकसकांना पुश केले

ओपनईने सोमवारी त्याच्या देवच्या दिवशी नवीन एपीआय अद्यतनांचे अनावरण केले, जीपीटी -5 प्रो, त्याचे नवीनतम भाषा मॉडेल, त्याचे नवीन व्हिडिओ निर्मिती मॉडेल सोरा 2 आणि एक लहान, स्वस्त व्हॉईस मॉडेल सादर केले.

अद्यतने एजंट-बिल्डिंग टूलची लाँचिंग आणि चॅटजीपीटीमध्ये अ‍ॅप्स तयार करण्याची क्षमता यासह ओपनईच्या इकोसिस्टमच्या विकसकांकडे वळलेल्या घोषणांच्या मालिकेचा एक भाग होती.

जीपीटी -5 प्रोची भर घालण्यामुळे वित्त, कायदेशीर आणि आरोग्यसेवा-अशा उद्योगांना “उच्च अचूकता आणि तर्कशक्तीची खोली”, प्रत्येक ओपनईचे मुख्य कार्यकारी अधिकारी सॅम ऑल्टमॅनमध्ये अनुप्रयोग तयार करणार्‍या विकसकांना अपील होऊ शकते.

ऑल्टमॅनने असेही नमूद केले की भविष्यात व्हॉईस क्षमता आवश्यक असेल कारण लोक एआयशी संवाद साधण्यासाठी लोक वापरण्याचा प्राथमिक मार्ग द्रुतगतीने बनतात. त्या दृष्टीने, ओपनई एपीआय मधील एक लहान, स्वस्त व्हॉईस मॉडेल “जीपीटी-रिअलटाइम मिनी” लाँच करीत आहे जे ऑडिओ आणि भाषणासाठी कमी-विलंब प्रवाहित संवादांचे समर्थन करते. नवीन मॉडेल ओपनईपेक्षा 70% स्वस्त आहे मागील प्रगत व्हॉईस मॉडेल परंतु “समान व्हॉईस गुणवत्ता आणि अभिव्यक्ती” चे वचन देते.

अखेरीस, ओपनईच्या विकसक इकोसिस्टममध्ये सामील निर्माते आता एपीआय मधील पूर्वावलोकनात सोरा 2 मध्ये टॅप करू शकतात. ओपनईने गेल्या आठवड्यात सोरा अॅपसह सोरा 2, त्याचे नवीनतम ऑडिओ आणि व्हिडिओ जनरेटर रिलीज केले. सोरा अॅप वापरकर्त्यांना प्रॉम्प्टवर आधारित स्वतःचे, मित्रांचे किंवा कोणत्याही गोष्टीचे व्हिडिओ व्युत्पन्न करण्यास आणि टिकटॉक-शैलीतील अल्गोरिदम फीडद्वारे सामायिक करण्यास अनुमती देते.

“(विकसक) आता त्याच मॉडेलमध्ये प्रवेश आहे जे आपल्या स्वत: च्या अॅपमध्ये सोरा 2 च्या आश्चर्यकारक व्हिडिओ आउटपुटला सामर्थ्य देते,” ऑल्टमॅन म्हणाले.

सोरा 2 त्याच्या मागील पिढीवर अधिक वास्तववादी, शारीरिकदृष्ट्या सुसंगत दृश्यांसह सिंक्रोनाइझ ध्वनी आणि अधिक सर्जनशील नियंत्रणासह तयार करते – तपशीलवार कॅमेरा दिशेने ते शैलीकृत व्हिज्युअलपर्यंत.

“उदाहरणार्थ, आपण आयफोनचे दृश्य घेऊ शकता आणि सोराला त्यास व्यापक, सिनेमाच्या विस्तृत शॉटमध्ये विस्तारित करू शकता,” ऑल्टमॅन म्हणाला. “परंतु आम्ही ज्या सर्वात रोमांचक गोष्टींवर काम करत आहोत त्यापैकी एक म्हणजे हे नवीन मॉडेल व्हिज्युअलसह किती चांगले आवाज करते, केवळ भाषणच नव्हे तर समृद्ध साउंडस्केप्स, सभोवतालचे ऑडिओ, आपण जे पहात आहात त्यामध्ये आधारलेले सिंक्रोनाइझ प्रभाव.”

सोरा 2 संकल्पनेच्या विकासासाठी एक साधन म्हणून तयार केले गेले आहे, मग ते एखाद्या उत्पादनाच्या सामान्य वाइबवर आधारित एखाद्या जाहिरातीसाठी व्हिज्युअल प्रारंभ बिंदू असो किंवा टॉय संकल्पनेमध्ये रेखाटन करणारा मॅटेल डिझाइनर-एक उदाहरण ऑल्टमॅनने बार्बी-निर्मात्याशी ओपनईच्या करारावर प्रकाश टाकला आहे जे पिढी-एआयला टॉय बनवण्याच्या पाइपलाइनमध्ये आणते.