周一举办的开发者日活动上，OpenAI 公布了应用程序接口（API）的多项更新，包括推出最新语言模型 GPT-5 Pro、全新视频生成模型 Sora 2，以及一款体积更小、成本更低的语音模型。
此次 API 更新是 OpenAI 一系列公告的组成部分，这些公告均旨在吸引开发者加入其生态系统，其他举措还包括推出智能体构建工具，以及支持在 ChatGPT 内开发应用程序的功能。
OpenAI 首席执行官山姆・奥特曼表示，GPT-5 Pro 的推出可能会吸引金融、法律和医疗健康领域的应用开发者 —— 这些行业均需要 “高准确性和深度推理能力” 的技术支持。
奥特曼还指出，语音功能在未来将至关重要，因为它正迅速成为人们与人工智能交互的主要方式之一。为此，OpenAI 正于 API 中推出 “gpt-realtime mini”：这是一款体积更小、成本更低的语音模型，支持音频与语音的低延迟流式交互。该新型号比 OpenAI 此前的高级语音模型便宜 70%，同时保证 “语音质量和表现力不变”。
最后，参与 OpenAI 开发者生态的创作者如今可通过 API 预览版使用 Sora 2。上周，OpenAI 已发布其最新音视频生成模型 Sora 2，同时推出了Sora 应用 —— 这款应用内满是人工智能生成的短视频。用户可通过 Sora 应用，根据提示生成以自己、朋友或任意事物为主题的视频，并通过 TikTok 式的算法推荐流分享。
奥特曼表示：“（开发者）如今可直接在自己的应用中，使用驱动 Sora 2 生成惊艳视频效果的同款模型。”
Sora 2 在前代模型基础上进行了升级，能生成更逼真、物理逻辑更连贯的场景，实现声音与画面的同步，并提供更强的创意控制权 —— 从精细的镜头调度到风格化视觉呈现均涵盖在内。
奥特曼表示：“例如，你可以先确定一个类似 iPhone 拍摄的视角，然后通过提示让 Sora 将其扩展为一个宏大开阔、具有电影质感的宽幅镜头。但我们目前正在研发的最令人兴奋的成果之一，是这款新模型能将声音与视觉完美匹配 —— 不仅限于语音，还包括丰富的音景、环境音效，以及与画面内容紧密关联的同步特效。”
Sora 2 定位为一款概念开发工具，其应用场景广泛：既可以根据产品的整体风格，为广告打造视觉起点；也能帮助美泰（Mattel）的设计师将草图转化为玩具概念。奥特曼在开发者日活动中举了这个例子，这也间接揭示了 OpenAI 与这家芭比娃娃制造商达成的合作 —— 双方将把生成式人工智能整合到玩具开发流程中。
发表评论