OpenAI直播发布，高级语音模式的API，o1模型API

先做个广告：如需代注册ChatGPT或充值 GPT4.0会员（plus），请添加站长微信：gpthuiyuan

“ OpenAI对开发者的支持一直还算友好，除了价格比较贵其他没什么毛病。”

推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top

在今天的直播中，OpenAI为开发者提供了新的模型和功能接口，完善了对高级语音模式API的支持（WebRTC）和一个新的微调模式（偏好微调）。

从最终用户的产品体验上应该没啥太大区别，但可能为开发人员省点时间。

01

—

o1模型API

OpenAI开始提供其最强推理模型o1模型的API，如果有什么AI应用或工具需要很强的推理能力，那么这个新模型的API可能会有一些帮助。

此外OpenAI在o1模型的API中同时提供了包括对function calling（函数调用）、structured output（结构化输出）和developer message（开发者消息）等特性的支持，这些功能特性原则上有利于更好的指令遵循，让模型按要求输出用户所需的内容。

一个可能比较有用的功能是新的推理参数，开发者可以设定让模型花多少时间思考，简单问题快速回答、把更多的推理时间留给复杂问题。

图像输入-分析能力。更新的API允许开发者把图像传输给o1模型了，让模型对图像内容进行识别分析。多模态能力是否有大的提升，拭目以待。这一支持可能是今天更新最重要的部分，4o模型对图像的分析能力比较一般，有些细节内容往往捕捉不到，o1模型的图像识别令人期待。

02

—

高级语音模式的API

OpenAI现在支持开发者通过WebRTC调用实时语音API。这对开发者是一个不错的消息，开发语音助手、语言翻译工具、口语对练等更“方便”了，包括更容易开发跨平台应用、网络适应性、音频编码、噪声抑制等。

对，只是让做这些应用更容易了，对话质量并不会更好（不过现在的也不错）。

此外，OpenAI还给实时语音API价格降了价，这个最有用。

03

—

偏好微调

开发者可以把“想要的”输出和“不想要的”输出同时给到模型，训练模型输出用户“想要的”的内容，减少输出用户“不想要的”内容的可能性。这一新的微调方式适用于往往是用户主观判断内容好还的场景，比如创意协作、总结等。

OpenAI的研究员举了一个例子——我觉得不是一个特别好的例子。

例如用户询问一个AI金融助手“公司 X 的增长速度有多快”，传统微调方式下AI的回复缺少 ARR 等指标。偏好微调则将基准模型的准确性从 75% 提高到超过 80%。提升似乎也不是特别明显~

chatgpt plus(GPT4)代充值

如何安全购买ChatGPT独享账号