OpenAI peppt seine Sprachagenten auf

OpenAIs Sprachagenten bekommen ein Update. Die neuen Speech-to-Text- und Text-to-Speech-Modelle sollen nicht nur anpassbarer sein, sondern auch bisherige Modelle in anspruchsvollen Szenarien übertreffen, wie das Unternehmen mitteilt.

Speech-to-Text

Die beiden jüngsten Speech-to-Text-Modelle GPT-4o-transcribe und GPT-4o-mini-transcribe erfassen gemäss OpenAI Nuancen der Sprache besser als zuvor und erhöhen so die Zuverlässigkeit von Transkriptionen. Die Word Error Rate, und damit die Quote der Fehleinschätzungen, sei gegenüber Whisper-Modellen geringer, was unter anderem einem intensiven Training mit hochqualitativen Audio-Datensätzen zu verdanken sei. Durch die Verbesserungen würden beide Modelle in anspruchsvollen Szenarien glänzen, beispielsweise beim Transkribieren von starken Akzenten oder in lauten Umgebungen. 

Text-to-Speech

Das neue Text-to-Speech-Modell GPT-4o-mini-tts ist laut OpenAI besser steuerbar als seine Vorgänger. Zum ersten Mal könnten Entwickler nämlich nicht nur einstellen, was der Sprachagent sagt, sondern auch auf welche Art und Weise er das tut. Man könne den KI-Agenten beispielsweise dazu bringen, wie ein einfühlsamer Kundenservice-Mitarbeiter oder ein Ritter aus dem Mittelalter zu reden. Somit lasse sich das Modell besser an individuelle Situationen anpassen, vom Customer Service bis hin zum Erzählen von kreativen Geschichten.

Verfügbarkeit

Die neuen Modelle sind für alle Entwickler jeweils in der Speech-to-Text- oder Text-to-Speech-API verfügbar. Eine Integration mit dem kürzlich veröffentlichten Software Development Kit soll dabei das Entwickeln der Sprachagenten vereinfachen.

Das könnte Sie auch interessieren: OpenAIs autonomer KI-Agent namens Operator ist seit neuem auch in der Schweiz verfügbar. Was genau Operator kann, lesen Sie hier.