OpenAI 突然推送推送高級語音模式「Her」，又搶了谷歌風(fēng)頭
9 月 25 日早，Google 發(fā)布兩款新模型 Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002。
在谷歌的系列模型中，Gemini Pro 屬于中號模型，付費用戶可以使用。而 Gemini Flash 則由 Gemini Pro 蒸餾而來，在今年 5 月的 Google I/O 上第一次亮相，目前用戶可以免費在 Gemini 中使用，開發(fā)者也有一定免費的 api 使用配額。
模型升級的重點主要為 1.5 Pro 價格降低 >50%、1.5 Flash 的速率限制提高了 2 倍，1.5 Pro 的速率限制提高了約 3 倍、輸出速度提高 2 倍，延遲降低 3 倍；過濾器切換為選擇加入。
不過，似乎 Google 今天的宣傳節(jié)點再一次被 OpenAI 提前知曉。OpenAI 同日宣布，OpenAI 的高級語音模式，將今日起開始對 Plus 和 Team 用戶推出。
5 月，Google 發(fā)布 Gemini 模型的大更新前，OpenAI 就曾提前搶開發(fā)布會，宣布很快會帶來高級語音模式，登上媒體頭條「個人助理 Her 就要來了嗎？」
接下來半年，高級語音模式的發(fā)布一再推遲，直至今日 Google 更新模型，OpenAI 立刻表示，本周內(nèi)將推出語音模型。
除了之前已經(jīng)劇透過的語音模式與人類在對話中的反應(yīng)時間相近，會變換語調(diào)之外，還增加了個性化指令功能——可以直接指令模型說話說慢點，或者用一個特定的口音，同時可以記住你的名字和提前提供的信息給出更個性化的回復(fù)。
X 上有用戶不禁感嘆，OpenAI 已經(jīng)養(yǎng)成了一個新愛好。等著 Google 發(fā)布一個更新，幾個小時后馬上發(fā)布一個更新。
01.Google Gemini Pro 價格下降一半
從 Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002 的名字也可以看出，此次 Google Gemini 的更新，不是一個大版本的更新，更多的是一次整體模型的升級。
降低價格是一個重要的更新重點。
Gemini 1.5 Pro 的輸入 token 價格降低 64%，輸出 token 價格降低 52%，增量緩存 token 價格降低 64%，適用于小于 128K token 的提示語，自 2024 年 10 月 1 日起生效。再加上上下文緩存，這將繼續(xù)降低使用 Gemini 構(gòu)建應(yīng)用的成本。
此外，1.5 Flash 的速率限制從 1000 RPM 提高到 2000 RPM，1.5 Pro 的速率限制從 360 RPM 提高到 1000 RPM。在接下來的幾周內(nèi)生效。
Google 1.5 Flash 得到了 2 倍輸出速度和 3 倍更低延遲。
同時，Google 表示，發(fā)布的 Gemini 模型，默認不會應(yīng)用過濾器，開發(fā)者可以根據(jù)其用例自行決定最佳的配置。Gemini 將繼續(xù)提供一系列安全過濾器，開發(fā)者可以根據(jù)需要為 Google 的模型應(yīng)用這些過濾器。
Google 還表示，此次模型在數(shù)學(xué)、長上下文窗口和視覺方面取得了一定的進步。
在更具挑戰(zhàn)性的 MMLU-Pro 基準測試中，看到大約 7% 的性能提升。而在數(shù)學(xué)和 HiddenMath（一個內(nèi)部保留的數(shù)學(xué)競賽問題集）基準測試中，兩個模型都取得了約 20% 的顯著進步。對于視覺和代碼使用場景，兩個模型在評估視覺理解和 Python 代碼生成的測試中表現(xiàn)也更好，提升范圍在約 2-7% 之間。
8 月份發(fā)布的 Gemini-1.5-Flash-8B 實驗?zāi)Ｐ鸵驳玫搅诵碌母隆?span style="display:none">Znd知多少教育網(wǎng)-記錄每日最新科研教育資訊
Gemini 模型本身的亮點包括長上下文和多模態(tài)功能。由于 Gemini Flash 對開發(fā)者有部分免費額度，新更新可能對于開發(fā)某些應(yīng)用有著很好的效果。
X 上的 AshutoshSrivastava 就表示，他使用 Google Flash 構(gòu)建了一個應(yīng)用，能夠在 1 分鐘內(nèi)轉(zhuǎn)寫 13 分鐘的長音頻，且準確度很高（且免費）。在另一個應(yīng)用中，他表示目標探測功能的表現(xiàn)也很不錯。
02.OpenAI 高級語音功能今日起推出
轉(zhuǎn)頭看 OpenAI 這邊。
凌晨兩點，OpenAI 宣布高級語音模式今日起開始向訂閱用戶推出，周內(nèi)會全量進行推送。
根據(jù) OpenAI 的宣傳片，與標準語音模式進行區(qū)分（黑色旋轉(zhuǎn)球），高級語音將以藍色旋轉(zhuǎn)球表示，并增加 5 個新語音。
此次發(fā)布的一個重要亮點是，OpenAI 表示，高級語音模式可以提供個性化定義。
在視頻中，OpenAI的研究員表示，用戶可以自定義指令，以讓模型以某種口音發(fā)音、記住事件以及用戶想要如何被稱呼等。
「你可以讓模型用特定的語速說話，也許是非常清晰地發(fā)音，慢慢地說話，用你的名字或你喜歡的稱呼來稱呼你。」研究員表示。
另一位研究員提供了一個例子，對模型輸入名字和所在城市，在向模型尋求周末的計劃時，模型會根據(jù)所在城市，進行更個性化的規(guī)劃。
高級語音對話目前僅適用于 ChatGPT Plus 和 Team 帳戶的用戶。免費用戶仍然可以訪問標準語音模式。
不過，Plus 和 Team 用戶每天仍然有高級語音的使用限制，并且每日限制可能會發(fā)生變化。當一天的高級語音還剩 15 分鐘時，OpenAI 會向用戶發(fā)出通知。
同時，使用高級語音模式無法使用 GPTs，即用戶設(shè)計的 OpenAI 的智能體。
高級語音模式因為對語音反應(yīng)時間更敏感，在某些嘈雜的場景下，也更容易被打斷。
最后，OpenAI 還用高級語音模式搞了一個活，表示 ChatGPT 目前可以用五十多種語言表示「對不起，我遲到了，我不是故意讓你等這么久的。」
一個很有趣的點是，此次 Gemini 的發(fā)布，是由 Google 的 Logan Kilpatrick 主要負責(zé)對外溝通交流。
而 Logan Kilpatrick，正是 OpenAI 前開發(fā)者關(guān)系負責(zé)人。2024 年跳槽 Google。
而轉(zhuǎn)頭，此次 Google 發(fā)布新模型，OpenAI 就卡點發(fā)布高級語音模式。
OpenAI 此次宣布的時間點或許還有另外一個意義——此前外媒報道稱，Meta 公司本周將在 Meta AI 中推出名人語調(diào)的音頻對話功能。
在硅谷，AI 的戰(zhàn)爭還在熱火朝天的繼續(xù)。
本文鏈接：http://knowith.com/news-23-1894.htmlOpenAI 突然推送推送高級語音模式「Her」，又搶了谷歌風(fēng)頭
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責(zé)任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
