OpenAI lanza nuevas APIs en su primer día para desarrolladores
OpenAI, la empresa de inteligencia artificial, ha presentado una serie de nuevas APIs durante su primer día para desarrolladores. Estas APIs ofrecen diversas funcionalidades, como la creación de imágenes a partir de texto y la conversión de texto a voz. Además, OpenAI ha lanzado la última versión de su modelo de reconocimiento automático de voz de código abierto, Whisper large-v3.
DALL-E 3: la API que convierte texto en imágenes
Una de las principales novedades presentadas por OpenAI es la API DALL-E 3, que permite convertir texto en imágenes. Esta API, que ya estaba disponible en ChatGPT y Bing Chat, incorpora una moderación integrada para evitar un mal uso de la tecnología. Según OpenAI, la API DALL-E 3 ofrece diferentes opciones de formato y calidad, con resoluciones que van desde 1024×1024 hasta 1792×1024. El precio por imagen generada comienza en $0.04.
Sin embargo, la API DALL-E 3 tiene algunas limitaciones en comparación con la versión anterior, DALL-E 2. A diferencia de esta última, la API DALL-E 3 no puede utilizarse para crear versiones editadas de imágenes ni para generar variaciones de una imagen existente. Además, OpenAI ha implementado una modificación automática en las solicitudes de generación enviadas a DALL-E 3, con el objetivo de mejorar la seguridad y añadir más detalles a las imágenes generadas. Esta modificación automática podría resultar en imágenes menos precisas, dependiendo del texto de entrada.
Audio API: convierte texto en voz
OpenAI también ha lanzado la API de texto a voz, llamada Audio API. Esta API ofrece seis voces predefinidas para elegir y dos variantes de modelos de inteligencia artificial generativa. Según Sam Altman, representante de OpenAI, esta tecnología de síntesis de voz es mucho más natural que otras opciones disponibles en el mercado, lo que la hace ideal para aplicaciones de aprendizaje de idiomas y asistencia por voz.
A diferencia de otras plataformas y herramientas de síntesis de voz, OpenAI no ofrece una forma de controlar el tono emocional del audio generado. En la documentación de la API de Audio, la empresa señala que ciertos factores, como la capitalización o la gramática del texto, pueden influir en cómo suenan las voces generadas. Sin embargo, OpenAI reconoce que los resultados de sus pruebas internas en este aspecto han sido mixtos.
Whisper large-v3: la última versión del modelo de reconocimiento automático de voz
En otro anuncio relacionado, OpenAI ha lanzado la última versión de su modelo de reconocimiento automático de voz de código abierto, Whisper large-v3. Según la empresa, esta nueva versión ofrece un rendimiento mejorado en diferentes idiomas. El modelo está disponible en GitHub bajo una licencia permisiva, lo que permite a los desarrolladores utilizarlo y modificarlo según sus necesidades.
En conclusión, OpenAI ha presentado varias novedades durante su primer día para desarrolladores. Las nuevas APIs DALL-E 3 y Audio API ofrecen funcionalidades interesantes para la generación de imágenes a partir de texto y la conversión de texto a voz, respectivamente. Además, la última versión del modelo Whisper large-v3 promete un mejor rendimiento en el reconocimiento automático de voz. Estas nuevas herramientas de OpenAI ofrecen a los desarrolladores más posibilidades para crear aplicaciones y servicios basados en inteligencia artificial.
Otras noticias • IA
Sam Altman vuelve a ser CEO de OpenAI y nombra nueva junta directiva
Sam Altman ha sido restituido como CEO de OpenAI y ha nombrado una nueva junta directiva. Altman anunció que Mira Murati regresará como CTO y...
See Together cierra ronda de financiación de $102.5 millones
La startup See Together cierra una ronda de financiación de $102.5 millones liderada por Kleiner Perkins. La empresa se dedica a crear infraestructuras de desarrollo...
Amazon lanza Titan Image Generator, creación de imágenes personalizadas
Amazon ha lanzado Titan Image Generator, una herramienta de generación de imágenes con inteligencia artificial que permite crear y personalizar imágenes a partir de descripciones...
Amazon AWS lanza SageMaker HyperPod, revolucionario servicio de entrenamiento de modelos de lenguaje
Amazon AWS ha lanzado SageMaker HyperPod, un nuevo servicio diseñado para entrenar y ajustar modelos de lenguaje de gran tamaño. HyperPod permite crear un clúster...
Pinterest lanza herramienta de búsqueda inclusiva con inteligencia artificial
Pinterest ha lanzado una nueva herramienta que permite a los usuarios filtrar búsquedas por diferentes tipos de cuerpo. Utilizando tecnología de tipo de cuerpo basada...
Amazon lanza "Guardrails for Amazon Bedrock" para controlar lenguaje AI
Amazon ha anunciado una nueva herramienta llamada "Guardrails for Amazon Bedrock" que permite controlar los modelos de lenguaje en aplicaciones de inteligencia artificial. Esto ayuda...
Amazon presenta chips personalizados para IA con mejor rendimiento y eficiencia
Amazon ha presentado en su conferencia re:Invent nuevos chips personalizados para inteligencia artificial. El AWS Trainium2 ofrece un rendimiento hasta 4 veces mejor y una...
Elon Musk lanza chatbot 'Grok' solo para suscriptores Premium+ de X
Elon Musk anuncia el lanzamiento de su chatbot 'Grok' exclusivamente para sus suscriptores Premium+ de X la próxima semana. Esto ha generado expectación y preocupación...
Lo más reciente
- 1
Apple lanza actualizaciones de seguridad para proteger a sus usuarios
- 2
Bluesky implementa herramientas de seguridad para moderar contenido ofensivo
- 3
Startups utilizan inteligencia artificial para conservar bosques y generar beneficios
- 4
Flow48 recauda $25 millones para expandir modelo de financiamiento basado en ingresos en MENA
- 5
Microsoft se prepara para lanzar tienda móvil de Xbox
- 6
Elon Musk se disculpa y promete cambiar tras controversias
- 7
Capsule revoluciona el consumo de noticias con inteligencia artificial