OpenAI 首次開發者日推出 DALL-E 3 API 和新的文字轉語音模型
OpenAI 開發者日新推 DALL-E 3 API
OpenAI 於其首次開發者日推出了一系列新的應用程式介面（API）；其中 DALL-E 3，OpenAI 的文字轉影象模型，現已透過 API 推出，並首次出現於 ChatGPT 和 Bing Chat 中。與之前的版本 DALL-E 2 相似，OpenAI 表示該 API 內建了內容審查功能，以幫助防止濫用。DALL-E 3 API 包括不同的格式和品質選項，解析度從 1024×1024 到 1792×1024 不等，價格從每張生成的影象起步為 0.04 美元。然而與 DALL-E 2 API 相比，當前 DALL-E 3 有些約束。不像 DALL-E 2 API，DALL-E 3 不能用於透過模型替換現有影象的某些區域或建立現有影象的變體。當生成請求被傳送至 DALL-E 3 時，OpenAI 表示它將會自動「為了安全原因」和「為了增加更多細節」重新編寫它，這可能導致在提示情況下的結果不夠精確。新的文字轉語音模型
此外 OpenAI 現提供文字轉語音 API，名為 Audio API，其中包括六種預設的聲音：Alloy、Echo、Fable、Onyx、Nova 和 Shimer，可供選擇，並有兩個生成式人工智慧模型變體。新模型已於今天上線，價格從每輸入 1,000 字元起步為 0.015 美元。OpenAI Sam Altman 在臺上表示：「這聲音比我們聽到的其他東西都更自然，這可以使應用程式的互動更加自然，也更易於存取。它還開啟了許多用例，比如語言學習和語音助手。」不同於一些語音合成平臺和工具，OpenAI 不提供控制音訊生成情感影響的方式。在 Audio API 的檔案中，公司指出「某些因素」可能會影響生成的聲音，如大寫或文字中的語法，但 OpenAI 內部測試這些影響時結果「參差不齊」。OpenAI 要求使用其 API 的開發者必須通知使用者其音訊是由人工智慧生成的。相關公告
OpenAI 還推出了其開源自動語音識別模型的下一版本 Whisper large-v3，公司聲稱這一版本在各種語言上有著改進的效能。該模型在 GitHub 上以一個寬鬆的許可許可證可用。專家建議與展望
這一系列新的 API 和模型的推出，標誌著人工智慧技術不斷開拓、創新的迅速發展。然而我們也需要關注其中所帶來的一些潛在風險。例如，在音訊生成方面，我們需要更多的控制選項，以應對不同場景和情境的需求，同時也要注意潛在的偽造和濫用問題。對於 DALL-E 3 API，我們應該關注其安全性和準確性，避免因重新編寫而導致生成結果的不準確。同時 OpenAI 需要繼續最佳化其模型，以滿足使用者對更多創造性和精細度的需求。 在人工智慧和機器學習的領域，技術的進步和應用常常催生出新的倫理和法律問題，我們需要謹慎應對。雖然這些新技術給我們的生活帶來了便利和樂趣，但我們也需要意識到其可能對社會、經濟和文化產生深遠的影響。作為開發者和使用者，我們需要負起責任，確保我們運用這些新技術的方式是正確和合法的，同時也要積極參與討論，推動行業標準和監管的建立，以確保人工智慧和機器學習的發展能夠造福全人類。MachineLearning-OpenAI,DALL-E3,API,文字轉語音模型
延伸閱讀
- OpenAI 揭開 AI 祕密指令的面紗
- OpenAI 表示正在建立一個工具，以讓內容創作者選擇退出 AI 訓練
- 微軟和 OpenAI 啟動 200 萬美元基金以對抗選舉假影片
- Stack Overflow 與 OpenAI 簽約，提供資料支援其模型
- Quora CEO Adam D’Angelo 分享人工智慧和聊天機器人平臺 Poe，並解釋為何 OpenAI 並非競爭對手
- EQT 以超過 6 億美元收購 API 和身份管理軟體公司 WSO2
- OpenAI 與英國《金融時報》達成戰略合作，包括內容使用
- OpenAI 旗下創投基金悄悄籌集 1500 萬美元
- 智利即時支付 API 初創企業 Fintoc 籌集了 700 萬美元，將墨西哥打造成其主要市場
- 「不鏽鋼」幫助 OpenAI、Anthropic 等公司構建其 API 的 SDK
