အဓိက အကြောင်းအရာသို့ ကျော်သွားရန်
OpenAI

၂၀၂၆ စက်တင်ဘာ ၁၀

ထုတ်ကုန်ဖြန့်ချိမှု

API တွင် GPT‑Live‑1 ဖြင့် ပိုမိုသဘာဝကျသော အသံအတွေ့အကြုံများကို ဖန်တီးပါ

GPT‑Live‑1 သည် အသံအေးဂျင့်များ၏ ပြောဆိုပုံနှင့် လုပ်ဆောင်ပုံကို ပိုမိုထိန်းချုပ်နိုင်စေပြီး ChatGPT ၏ သဘာဝကျသော နှစ်ဖက်တစ်ပြိုင်နက် စကားဝိုင်းများကို API သို့ ယူဆောင်လာသည်။

ဖွင့်နေသည်…

ကျွန်ုပ်တို့သည် GPT‑Live‑1 ကို API တွင် စတင်မိတ်ဆက်လိုက်ပြီး developer များအတွက် အသံဖြင့် အသုံးပြုနိုင်သော အက်ပ်များနှင့် လုပ်ငန်းဆိုင်ရာ လုပ်ငန်းစဉ်များ ဖန်တီးရန် အစွမ်းထက်၍ သဘာဝကျသော အသံမော်ဒယ်ကို ပေးအပ်လိုက်ပါသည်။ ChatGPT တွင် ပထမဆုံးမိတ်ဆက်ခဲ့သည့် GPT‑Live‑1 သည် တစ်ချိန်တည်းတွင် နားထောင်နိုင်ပြီး ပြောဆိုနိုင်သည့်အပြင် Codex နှင့် ChatGPT အလုပ်တွင် တွေ့မြင်ရသည့်အတိုင်း⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တွဲဖက်ထားသည့် မော်ဒယ်များနှင့် ကိရိယာများထံ ပိုမိုနက်ရှိုင်းသော ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးမှုနှင့် လုပ်ဆောင်ချက်များကို လွှဲအပ်နိုင်ပါသည်။

GPT‑Live‑1 ကို API တွင် ထုတ်ပေးရာ၌ developer များက အသုံးပြုသူများ၊ လုပ်ငန်းစဉ်များနှင့် ရည်မှန်းချက်များအလိုက် အသံအတွေ့အကြုံများကို ထိန်းညှိပြီး စိတ်ကြိုက်ပြင်ဆင်နိုင်စေမည့် စွမ်းဆောင်ရည်အသစ်များကို အာရုံစိုက်ထားပါသည်။ GPT‑Live‑1 ၏ အဓိကအားသာချက်တစ်ခုဖြစ်သော ချောမွေ့စွာ ကြားဖြတ်ပြောဆိုမှုများကို ကိုင်တွယ်နိုင်ခြင်းသည် လုပ်ငန်းအကျိုးသက်ရောက်မှုကို ပေးစွမ်းနေပြီးဖြစ်သည်- ကနဦးအကဲဖြတ်မှုများတွင် Speak က GPT‑Live‑1 သည် ဘာသာစကားနည်းပြ မတုံ့ပြန်မီ သင်ယူသူများအား စဉ်းစားရန်အချိန်ပိုပေးခဲ့သဖြင့် ယခင်အလှည့်ကျစနစ်များနှင့် နှိုင်းယှဉ်လျှင် ကြားဖြတ်ပြောဆိုမှုများကို 80% နီးပါး လျှော့ချပေးခဲ့ကြောင်း တွေ့ရှိခဲ့သည်။

API တွင် GPT‑Live‑1 ၏ အဓိကအားသာချက်များ -

  • ကြားဖြတ်ပြောဆိုမှု ကိုင်တွယ်ခြင်း- မော်ဒယ်တစ်ခုတည်းက ဝင်လာသောအသံနှင့် ထွက်သွားသောအသံကို အတူတကွ ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးခြင်းဖြင့် ကြားဖြတ်ပြောဆိုမှု ကိုင်တွယ်ပုံကို ပိုမိုကောင်းမွန်စေကာ အဆင့်ဆင့်ချိတ်ဆက်ထားသော STT–LLM–TTS တည်ဆောက်ပုံများ၏ နှောင့်နှေးမှုနှင့် ပျက်လွယ်သော လွှဲပြောင်းမှုများကို ရှောင်ရှားနိုင်သည်။

  • ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ငန်းများနှင့် ကိရိယာခေါ်ယူမှုများကို လွှဲအပ်ခြင်း- GPT‑Live‑1 သည် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ငန်းများနှင့် ကိရိယာခေါ်ယူမှုများကို GPT‑6 Astra ကဲ့သို့သော နောက်ကွယ်စာသား မော်ဒယ် သို့မဟုတ် ပြင်ပအဖွဲ့အစည်း မော်ဒယ်တစ်ခုထံ လွှဲအပ်နိုင်ပါသည်။

  • လေသံ၊ အရှိန်နှင့် စတိုင်- developer များအား စနစ်တုံ့ပြန်ညွှန်ကြားချက်မှတစ်ဆင့် အေးဂျင့်၏ လေသံ၊ အရှိန်နှင့် စကားပြောဟန်ကို ပုံဖော်နိုင်စေသည်။

  • အသံမထွက်ဘဲ အကြောင်းအရာစီမံခြင်း & နောက်ခံဆူညံသံ- စကားဝိုင်းကို မနှောင့်ယှက်ဘဲ သို့မဟုတ် အဆင့်တိုင်းကို အသံထွက်ပြောမနေဘဲ နောက်ခံဆူညံသံနှင့် တိတ်ဆိတ်မှုကို ပိုမိုကောင်းမွန်စွာ ကိုင်တွယ်သည်။

  • ကြာရှည်အသုံးပြုမှု ယုံကြည်စိတ်ချရခြင်း- အချိန်ကြာမြင့်သော အပြန်အလှန်ဆက်သွယ်မှုများအတွင်း အကြောင်းအရာမှတ်သားနိုင်မှုနှင့် စကားဝိုင်းအရည်အသွေးကို မြှင့်တင်ပေးသည်။

  • တယ်လီဖုန်းစနစ် ပံ့ပိုးမှု- စားသောက်ဆိုင် စားပွဲကြိုတင်မှာယူမှုမှ ဖောက်သည်ဝန်ဆောင်မှုအထိ ဖုန်းခေါ်ဆိုမှုများအတွက် နှစ်ဖက်တစ်ပြိုင်နက် ပြောဆိုနိုင်သည့် အသံအေးဂျင့်များကို ဖြန့်ချိအသုံးချနိုင်စေသည်။

Try GPT-Live-1

Start a session and speak naturally. Interrupt, laugh, change your mind - try it at home or in a loud space like a coffee shop or city street.
See what it can do
  • Talk over it—naturally. Ask for help, then interrupt mid-response to change the question or add detail.
  • Take it with you. Try a conversation while walking outside or with everyday background noise, and see how it stays with you.
  • Make it playful. Laugh, hesitate, use short acknowledgments, or briefly talk to someone nearby—then continue the conversation.

ဤအစမ်းပြမှုကို အချိန်ကန့်သတ်ထားပါသည်။ ၎င်းကို အသုံးပြုခြင်းဖြင့်၊ သင်သည် OpenAI ၏ စည်းကမ်းချက်များ ကို သဘောတူပြီး ကျွန်ုပ်တို့၏ ကိုယ်ရေးလုံခြုံမှုမူဝါဒကို အသိအမှတ်ပြုပါသည်။

သင့်အသံအေးဂျင့် ဗိသုကာကို ရိုးရှင်းစေပြီး အသံကြန့်ကြာမှုကို လျှော့ချပါ

သမားရိုးကျ အသံအေးဂျင့်များသည် အသံမှစာသားပြောင်းစနစ်၊ ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးသော မော်ဒယ်နှင့် စာသားမှအသံပြောင်းစနစ်တို့ကို ချိတ်ဆက်အသုံးပြုသည်။ လွှဲပြောင်းမှုတစ်ခုစီက နှောင့်နှေးမှုကို တိုးစေပြီး အချိန်ကိုက်မှု၊ အကြောင်းအရာ သို့မဟုတ် စကားဝိုင်း၏ သဘာဝစည်းချက် ပျောက်ဆုံးနိုင်ခြေ ပိုများစေသည်။ တစ်စုံတစ်ဦးက ကြားဖြတ်ပြောခြင်း၊ ခေတ္တရပ်ခြင်း သို့မဟုတ် ဦးတည်ချက်ပြောင်းခြင်းတို့ ဖြစ်ပေါ်သည့်အခါ လုပ်ဆောင်ရမည့်အရာများအပါအဝင် ထိုအဆင့်များကို မကြာခဏ developer များကိုယ်တိုင် ညှိနှိုင်းရသည်။

GPT‑Live‑1 သည် မော်ဒယ်တစ်ခုတည်းဖြင့် နားထောင်ခြင်းနှင့် ပြောဆိုခြင်းကို ကိုင်တွယ်၍ အသံအလွှာကို ရိုးရှင်းစေသည်။ ဖြစ်ပေါ်နေစဉ် ကြားဖြတ်ပြောဆိုမှုများနှင့် တုံ့ပြန်အသိအမှတ်ပြုမှုများကို တုံ့ပြန်နိုင်သလို ပိုမိုနက်ရှိုင်းသော ကျိုးကြောင်းဆင်ခြင်မှုကိုလည်း နောက်ကွယ်စနစ်ထံ လွှဲအပ်နိုင်သည်။ ထို့ကြောင့် နောက်ကွယ်တွင် အလုပ်များဆောင်ရွက်နေစဉ် စကားဝိုင်းကို ဆက်လက်လုပ်ဆောင်နိုင်သည်။

“အဆင့်ဆင့်ချိတ်ဆက်ထားသော ကျွန်ုပ်တို့၏စနစ်နှင့် နှိုင်းယှဉ်လျှင် GPT‑Live‑1 သည် ကုဒ်အခြေခံစနစ်ကို ၈၀% ရိုးရှင်းစေပြီး ကုဒ်လိုင်း 23K ကို ဖယ်ရှားပေးခဲ့သည်။ ထို့ကြောင့် လူနာများနှင့် သဘာဝကျစွာ အချိန်နှင့်တစ်ပြေးညီ စကားပြောနိုင်ပြီး ကျွန်ုပ်တို့အဖွဲ့ကလည်း ရက်ချိန်းယူခြင်းမှ ကုသမှုလမ်းညွှန်ခြင်းအထိ အတွေ့အကြုံကို တိုးတက်စေရန် အာရုံစိုက်နိုင်ခဲ့သည်။”
-Tony Stoyanov - ပူးတွဲတည်ထောင်သူနှင့် နည်းပညာအရာရှိချုပ်

Developer များက စကားဝိုင်းနောက်ကွယ်ရှိ မော်ဒယ်များ၊ ကိရိယာများနှင့် အေးဂျင့် အကဲဖြတ်စမ်းသပ်မှု စနစ်ကို ရွေးချယ်နိုင်သည်။ ဥပမာ၊ အချိန်ဇယားစီစဉ်ခြင်း သို့မဟုတ် အော်ဒါအခြေအနေ ပြင်ဆင်ခြင်းကဲ့သို့ ပမာဏများသောအလုပ်များအတွက် GPT‑Live‑1 ကို Luna ကဲ့သို့ မော်ဒယ်နှင့် တွဲဖက်နိုင်ပြီး ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးရန်လိုသည့် ရှုပ်ထွေးသော ဖောက်သည်ပြဿနာများအတွက် Astra ကဲ့သို့ မော်ဒယ်ကို အသုံးပြုနိုင်သည်။ ဤပြောင်းလွယ်ပြင်လွယ်ရှိမှုကြောင့် developer များသည် အလုပ်တစ်ခုစီအလိုက် ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးမှုအတိမ်အနက်၊ မြန်နှုန်းနှင့် ကုန်ကျစရိတ်ကို ချိန်ညှိနိုင်သည်။

GPT‑Live‑1 သည် ASR စာသားမှတ်တမ်းများနှင့် တုံ့ပြန်စာသားကို မူလစွမ်းဆောင်ရည်အဖြစ် ပံ့ပိုးပေးသည်။ ထို့အပြင် အက္ခရာနှင့် နံပါတ်များကို ကောင်းစွာနားလည်နိုင်ပြီး အဓိကစကားလုံးများကို ဦးစားပေးခြင်းကိုလည်း ပံ့ပိုးသည်။ GPT‑Live‑1 သည် အလှည့်ကျမော်ဒယ်မဟုတ်သော်လည်း ပြောဆိုမှုအလှည့်ကို မူလစွမ်းဆောင်ရည်ဖြင့် သိရှိနိုင်သောကြောင့် developer များက ရှင်းလင်းသော အလှည့်နယ်နိမိတ်များကို အခြေခံ၍ ဆက်လက်တည်ဆောက်နိုင်သည်။

နှစ်ဖက်တစ်ပြိုင်နက် ပြောဆိုနိုင်မှု၏ အားသာချက်ကို တိုင်းတာခြင်း

ကျွန်ုပ်တို့၏ အကဲဖြတ်မှုများတစ်လျှောက် GPT‑Live‑1 သည် GPT‑Realtime‑2.1 ထက် Full Duplex Bench စွမ်းဆောင်ရည်ကို ရာခိုင်နှုန်းအမှတ် 30 ဖြင့် မြှင့်တင်ပေးပြီး၊ အလှည့်ကျပြောဆိုမှု နှောင့်နှေးချိန်နှင့် အပြန်အလှန်တုံ့ပြန်မှုအပြုအမူတွင်လည်း သိသာသော တိုးတက်မှုများ ရရှိသည်။ အလယ်အလတ် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော အားထုတ်မှုအဆင့်တွင် GPT‑6 Astra နှင့် တွဲဖက်သည့်အခါ အစမှအဆုံးအထိ လုပ်ငန်းများ၌ စွမ်းဆောင်ရည်အမြင့်ဆုံး အသံအေးဂျင့် ဉာဏ်ရည်ကို တိုင်းတာသည့် Tau3 တွင်လည်း အဆင့် ၁ ရရှိသည်။

လေကြောင်းလိုင်း၊ လက်လီရောင်းဝယ်ရေးနှင့် တယ်လီကွန်းနယ်ပယ်များရှိ စကားပြောဖြင့် ဆောင်ရွက်သော ဖောက်သည်ဝန်ဆောင်မှုတာဝန်များကို အကဲဖြတ်သည်။ Pass@1 သည် တာဝန်အောင်မြင်မှုကို တိုင်းတာပြီး ခေါင်းစဉ်တွင် နယ်ပယ်တစ်ခုချင်းစီကို တူညီသော အလေးချိန်ပေးထားသည်။


* GPT Live backend - Astra (အလယ်အလတ်)။

အသိပညာ ပြန်လည်ရယူခြင်းနှင့် အကောင့်ကိရိယာများပါဝင်သော ပြောဆိုသည့် ဘဏ်လုပ်ငန်း ပံ့ပိုးမှုကို အကဲဖြတ်သည်။ Pass@1 သည် အောင်မြင်စွာ ပြီးစီးခဲ့သော banking_knowledge လုပ်ငန်းတာဝန် ၉၇ ခု၏ အချိုးအစားဖြစ်သည်။


* GPT Live backend - Astra (အလယ်အလတ်)။

ခေတ္တရပ်နားမှုကို ကိုင်တွယ်ခြင်း၊ အလှည့်ကျ ပြောဆိုခြင်း၊ ကြားဖြတ်ပြောဆိုမှုများနှင့် တုံ့ပြန်အသံများကို အကဲဖြတ်သည်။

နောက်ခံစကားပြောသံ၊ အခြားသူတစ်ဦးထံ ပြောဆိုမှု၊ နားထောင်သူ၏ တုံ့ပြန်အသံများနှင့် ကြားဖြတ်မှုများအပေါ် တုံ့ပြန်မှုများကို စမ်းသပ်သည်။

အသုံးပြုသူက အလှည့်ပြီးဆုံးပြီးနောက် အေးဂျင့်က ၎င်း၏ တုံ့ပြန်မှုကို မည်မျှလျင်မြန်စွာ စတင်သည်ကို တိုင်းတာသည်။

သဘာဝရပ်နားမှုများ၊ တွန့်ဆုတ်မှုများနှင့် ကိုယ်တိုင်ပြင်ဆင်မှုများ ပါဝင်သော ပြောဆိုထားသည့် တောင်းဆိုချက်များမှ ကိရိယာအသုံးပြုမှုကို စမ်းသပ်သည်။ Pass@1 သည် ကိရိယာခေါ်ဆိုမှု အစီအစဉ်ကို အမှတ်ပေးသည်။


* GPT Live နောက်ခံစနစ် - Terra (အနိမ့်)။

ခေတ္တရပ်နားမှုများ၊ တွန့်ဆုတ်မှုများနှင့် ကိုယ်တိုင်ပြင်ဆင်မှုများ ပါဝင်သော ကိရိယာအသုံးပြု တောင်းဆိုချက်များအတွက် ပြောဆိုသောအဖြေကို အကဲဖြတ်သည်။ အဖြေသည် ရည်ညွှန်းရည်ရွယ်ချက်နှင့် မည်မျှကိုက်ညီသည်ကို အမှတ်ပေးသည်။


* GPT Live နောက်ခံစနစ် - Terra (အနိမ့်)။

ဖောက်သည်များ၏ သုံးသပ်ချက်များ

4အနက် 1
“Yelp Host နှင့် Hatch တွင် GPT‑Live‑1 ထည့်သွင်းခြင်းက ကျွန်ုပ်တို့၏ သမားရိုးကျအသံစနစ်ထက် အလှည့်ကျပြောဆိုမှုနှင့် တိကျမှုကို ပိုမိုကောင်းမွန်စေခဲ့သည်။ Yelp Host က စားပွဲကြိုတင်မှာယူခြင်းနှင့် အစားအစာမှာယူခြင်းကဲ့သို့ ဖုန်းခေါ်ဆိုမှုများကို GPT‑Live‑1 ဖြင့် ဖြေကြားသည့်အခါ ခေါ်ဆိုမှုကို အောင်မြင်စွာ ကိုင်တွယ်နိုင်နှုန်း သိသိသာသာ တိုးတက်လာသည်ကို တွေ့ရသည်။ ဖုန်းခေါ်ဆိုသူများကလည်း ပိုမိုပြည့်စုံ၍ သဘာဝကျသော ဝါကျများဖြင့် ပြောဆိုလာကြသဖြင့် ဖုန်း၏ အခြားတစ်ဖက်ရှိ အတွေ့အကြုံသည် အမှန်တကယ် ကွဲပြားလာကြောင်း သိနိုင်သည်။”
—Alex Levy၊ နည်းပညာအရာရှိချုပ်

အသံရွေးချယ်စရာအသစ်များ

Developer များသည် မိမိတို့ထုတ်ကုန်နှင့် ကိုက်ညီပြီး အသုံးပြုသူများအတွက် သဘာဝကျသော အသံများ လိုအပ်ပါသည်။ GPT‑Live‑1 ဖြင့် အချိန်နှင့်တစ်ပြေးညီ အသံအနည်းငယ်မှ လေယူလေသိမ်း၊ ဒေသိယစကားနှင့် ဘာသာစကားမျိုးစုံပါဝင်သည့် ပိုမိုကျယ်ပြန့်သော ရွေးချယ်စရာများအထိ တိုးချဲ့ထားသဖြင့် developer များက မိမိတို့၏ အကူစနစ်အသံကို ပိုမိုစိတ်ကြိုက်ရွေးချယ်နိုင်ပါသည်။

အသံအသစ်များကို နားထောင်ပါ

လာမည့်လများအတွင်း အသံရွေးချယ်စရာများနှင့် ရရှိနိုင်သည့် ဘာသာစကားများကို ဆက်လက်တိုးချဲ့သွားပါမည်။

ဈေးနှုန်းနှင့် ရရှိနိုင်မှု

GPT‑Live‑1 ကို API တွင် ယနေ့⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ရရှိနိုင်ပြီး ရှေ့ပိုင်းအသံအလွှာအတွက် တစ်မိနစ်လျှင် $0.05 ကျသင့်ပါသည်။ သင့်ထုတ်ကုန်နှင့် ကိုက်ညီသည့် နောက်ကွယ်မော်ဒယ်၊ အေးဂျင့် အကဲဖြတ်စမ်းသပ်မှု စနစ်တို့နှင့် တွဲဖက်ပြီး လုပ်ဆောင်ရမည့် အလုပ်ပမာဏအလိုက် ချဲ့ထွင်နိုင်သော အသံအတွေ့အကြုံကို ဖန်တီးပါ။

GPT-Live-1-Codex ချိတ်ဆက်ခြင်း

1
import { Codex } from "@openai/codex-sdk";
2

3
const thread = new Codex().startThread({
4
workingDirectory: "./repo",
5
sandboxMode: "read-only",
6
approvalPolicy: "never",
7
});
8

9
async function answer(live, delegationId, context) {
10
const { finalResponse } = await thread.run(
11
`Answer the latest question using this repo.
12
Reply in two short spoken sentences.\n${context}`
13
);
14

15
live.send({
16
type: "session.commentary.append",
17
delegation_id: delegationId,
18
content: finalResponse,
19
});
20
}

GPT-Live-1 ကို Codex နှင့် ချိတ်ဆက်ခြင်း။ ဤကောက်နုတ်ချက်သည် အပလီကေးရှင်းတစ်ခုက စကားဝိုင်းအကြောင်းအရာကို Codex သို့ မည်သို့ပေးပို့ပြီး ၎င်း၏အဖြေကို GPT-Live-1 သို့ မည်သို့ပြန်ပို့သည်ကို ပြသထားသည်။ ချိတ်ဆက်မှုစနစ်ထည့်သွင်းခြင်းနှင့် လွှဲအပ်မှုကို ကိုင်တွယ်ခြင်းတို့ကို ချန်လှပ်ထားသည်။

စိတ်ကြိုက်အသံ အသုံးပြုခွင့်အတွက် အရည်အချင်းသတ်မှတ်ချက်နှင့် တောင်းဆိုမှုလုပ်ငန်းစဉ်ကို ပိုမိုသိရှိရန် အရောင်းအဖွဲ့ကို ဆက်သွယ်ပါ ။

GPT‑Live‑1 ပေါ်တွင် အသံလုပ်ငန်းစဉ်များ တည်ဆောက်ရန် နောက်ထပ်နည်းလမ်းတစ်ခုမှာ အချိန်နှင့်တပြေးညီ အသံအပြန်အလှန်ဆက်သွယ်မှုများကို စွမ်းဆောင်ရန် မော်ဒယ်ကို အသုံးပြုသည့် OpenAI Presence ကို အသုံးပြုခြင်းဖြစ်ပါသည်။ Presence သည် လုပ်ငန်းကြီးများအား မေးခွန်းများကို ဖြေဆိုနိုင်ခြင်း၊ ပြဿနာများကို ဖြေရှင်းနိုင်ခြင်း၊ ကုမ္ပဏီစနစ်များကို အသုံးပြုနိုင်ခြင်း၊ ခွင့်ပြုထားသော လုပ်ဆောင်ချက်များကို ဆောင်ရွက်နိုင်ခြင်းနှင့် လိုအပ်သည့်အခါ လူထံ လွှဲပြောင်းနိုင်ခြင်းတို့ ပြုလုပ်နိုင်သည့် ယုံကြည်ရသော AI အေးဂျင့်များကို ဖြန့်ချိအသုံးချနိုင်ရန် ကူညီပေးပါသည်။ ပိုမိုသိရှိရန် သင့် OpenAI အကောင့်တာဝန်ခံထံ ဆက်သွယ်ပါ။

စာရေးသူများ

OpenAI