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
Helios revoluciona la política pública con inteligencia artificial Proxi
Helios, cofundada por Joe Scheidler y Joseph Farsakh, integra inteligencia artificial en la política pública con su producto Proxi. Este sistema optimiza la toma de...
Grok 4 de xAI: ¿Sesgo de Elon Musk en inteligencia artificial?
Grok 4, de xAI, refleja la influencia de las opiniones de Elon Musk en su funcionamiento, lo que cuestiona su objetividad y capacidad para buscar...
AWS lanza marketplace de IA para democratizar soluciones personalizadas
El lanzamiento del marketplace de agentes de IA de AWS el 15 de julio promete democratizar el acceso a la inteligencia artificial, permitiendo a empresas...
Google lanza Veo 3, revolucionando la creación de videos
Google ha lanzado Veo 3, una herramienta de inteligencia artificial que permite generar videos a partir de imágenes. Esta innovación democratiza la creación de contenido...
Knox acelera certificación FedRAMP y democratiza contratos gubernamentales
Knox, fundada por Irina Denisenko, busca acelerar el proceso de certificación FedRAMP para software como servicio en el sector público, reduciendo el tiempo y coste....
LGND revoluciona análisis geoespacial con 9 millones en financiación
LGND es una startup que transforma el análisis de datos geoespaciales mediante embebidos vectoriales, mejorando la eficiencia en la interpretación de imágenes satelitales. Con una...
Google impulsa startups de IA con nueva Academia Americana
Google lanza la segunda cohorte de su Academia de Infraestructura Americana, apoyando startups de IA en áreas críticas como ciberseguridad y salud. El programa, sin...
Diligent Robotics expande flota Moxi para mejorar atención sanitaria
Diligent Robotics, con la incorporación de Rashed Haq y Todd Brugger en su liderazgo, busca expandir su flota de robots Moxi en el sector sanitario....
Lo más reciente
- 1
OpenAI retrasa lanzamiento de IA por pruebas de seguridad
- 2
Firefly Aerospace busca crecer en el competitivo sector espacial
- 3
Google DeepMind ficha líderes de Windsurf tras ruptura con OpenAI
- 4
Paragon enfrenta dilemas éticos tras escándalo de software espía
- 5
IA en programación: herramientas pueden reducir productividad según estudio
- 6
Torch adquiere Praxis Labs y revoluciona la formación empresarial
- 7
Expertos desmienten rumores sobre siembra de nubes en Texas