如题所述
OpenAI最近在开发者大会上展示了其一系列API功能更新,包括增强的GPT-4 Turbo、视觉能力、DALL·E 3和文本转语音技术等,面向Plus账户用户开放。以下是这些API功能的详细介绍:
视觉理解
GPT-4 Turbo版本引入了视觉能力,模型可以处理图像,回答关于图像内容的问题。它擅长识别一般信息,但对详细位置问题的处理还有待优化。用户可以通过控制detail参数调整模型处理图像的详略,并注意聊天API是无状态的,每次传递图像需重新发送。
图像识别
通过URL分析远程图片:模型能精确识别图片内容,推荐使用URL而非Base64编码。
本地图片识别:支持Base64编码,但效率较低,建议使用URL。
处理多个图像:API可以处理多张图片,整合信息回答问题。
图像生成
基于文本提示的图像生成,DALL·E 3和DALL·E 2提供了高质量的图像,如设置为hd质量。生成的图像大小可自定义,且有生成链接可供下载。
编辑和变体图像
可以编辑图像并生成图像变体,仅限DALL·E 2模型,输入需为方形PNG图片。
文本生成
OpenAI的模型能处理自然语言、代码和图像,提供相关文本输出,如日常对话和代码解释。
聊天与JSON内容
提供JSON格式输出选项,增强模型的精确性和性能。例如,提问世界杯结果,返回结构化的JSON内容。
辅助功能
Assistants API:构建AI助手,支持代码解释器、检索和函数调用,可用于扩展复杂需求。
其他特性
语音生成与转文字:提供多种语音选项,支持实时音频流处理。
天气查询示例:结合本地API增强模型功能。
文本生成向量:推荐使用ada-002模型,高效且价格合理。
这些API功能的使用需注意收费和参数设置,用户需使用正式账户访问,非正常渠道的账号可能受限。详细了解费用与使用指南,可通过官方平台获取。
温馨提示:答案为网友推荐,仅供参考