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
Gobierno británico lanza iniciativa "Humphrey" para modernizar servicios públicos
El gobierno británico lanzará la iniciativa "Humphrey", que implementará inteligencia artificial en el sector público para modernizar servicios y reducir burocracia. Se estima un ahorro...
Friend retrasa collar inteligente y enfrenta críticas por chatbots
La startup Friend ha retrasado el envío de su collar inteligente, inicialmente previsto para el primer trimestre, hasta el tercer trimestre. El CEO, Avi Schiffman,...
OpenAI lanza "Operator" pero enfrenta dudas sobre su eficacia
OpenAI está a punto de lanzar "Operator", una herramienta de IA que podría realizar tareas autónomamente. Sin embargo, su eficacia y seguridad son cuestionables, con...
DeepSeek lanza modelo R1 con 671 mil millones de parámetros
DeepSeek ha lanzado su modelo de razonamiento R1, que cuenta con 671 mil millones de parámetros y promete un acceso sin restricciones para uso comercial....
Oosto se fusiona con Metropolis tras controversias y problemas financieros
Oosto, antes AnyVision, se destacó en visión por computadora pero enfrentó controversias y problemas financieros, llevando a su adquisición por Metropolis por 125 millones de...
Escándalo en Epoch AI: cuestionan transparencia y ética en benchmarks
Un escándalo en Epoch AI, financiada por OpenAI, ha cuestionado la transparencia de sus benchmarks, especialmente FrontierMath. La falta de comunicación sobre la financiación y...
Modelos de lenguaje fallan en preguntas históricas complejas según estudio
Un estudio reciente revela que los modelos de lenguaje como GPT-4, Llama y Gemini tienen un bajo rendimiento en preguntas históricas complejas, con un 46%...
Character AI transforma el entretenimiento digital con juegos interactivos
Character AI está revolucionando el entretenimiento digital al integrar juegos interactivos en su plataforma, permitiendo a los usuarios interactuar con personajes de IA. Este enfoque,...
Lo más reciente
- 1
Meta atrae creadores de TikTok con incentivos y mejoras
- 2
Energía eólica offshore en EE.UU. se revitaliza con Biden
- 3
Spotify lanza cursos educativos para diversificar su contenido
- 4
Financiamiento fintech cae 20% en 2024 pero muestra recuperación
- 5
Samsung Unpacked: Galaxy S25, Snapdragon 8 Elite y más sorpresas
- 6
NodeBB resurge en el fediverso como alternativa a redes sociales
- 7
Reino Unido lanza billetera digital y chatbot para modernizar servicios