在RTE2024，窥见实时AGI的未来

文章预览

作者 ｜ 周一笑 邮箱 ｜ zhouyixiao@pingwest.com 1 AI+RTE：让《Her》走进现实 GPT-4o的高级语音模式让我们看到了AI也可以具备低延迟且自然流畅的对话能力。丝滑的体验让智能助手真正摆脱了“智障”的帽子，科幻电影《Her》中的场景，走进了现实。 10月，OpenAI发布的Realtime API，让开发者可以轻松地将这种丝滑的语音体验植入自己的应用。 在此之前，需要串联多个模型的繁琐过程才能实现，例如，开发者需要使用自动语音识别工具，比如Whisper，来转录音频，将转录的文本传递给推理模型，然后使用文本转语音模型来播放响应。这种方法不仅耗时，且常常导致对话中情感、腔调和口音等重要元素的丢失。 相比之下，OpenAI的Realtime API能进一步降低语音交互的延时，能够实现更接近真人的情感和情绪表达，提供更自然的对话体验。 要实现这种体验，离不开端 ………………………………