gpt-realtime-1.5 کی تکنیکی وضاحتیں
| آئٹم | gpt-realtime-1.5 (عوامی پوزیشننگ) |
|---|---|
| ماڈل فیملی | GPT Realtime 1.5 (آواز کے لیے موزوں کردہ ویریئنٹ) |
| بنیادی موڈالیٹی | اسپیچ ٹو اسپیچ (S2S) |
| ان پٹ کی اقسام | آڈیو (اسٹریمنگ)، متن |
| آؤٹ پٹ کی اقسام | آڈیو (اسٹریمنگ)، متن، ساختہ ٹول کالز |
| API | ریئل ٹائم API (WebRTC / مستقل اسٹریمنگ سیشنز) |
| لیٹنسی پروفائل | کم لیٹنسی، لائیو گفتگوئی تعامل کے لیے آپٹمائزڈ |
| سیشن ماڈل | اسٹیٹ فل اسٹریمنگ سیشنز |
| ٹول کا استعمال | فنکشن کالنگ اور ٹول انٹیگریشن کی حمایت |
| ہدف استعمال کا کیس | لائیو وائس ایجنٹس، اسسٹنٹس، انٹرایکٹو سسٹمز |
نوٹ: صحیح ٹوکن حدود اور کانٹیکسٹ ونڈو کے سائز عوامی خلاصوں میں نمایاں طور پر دستاویزی نہیں ہیں؛ یہ ماڈل انتہائی طویل کانٹیکسٹ سیشنز کے بجائے ریئل ٹائم ردعمل کے لیے پوزیشن کیا گیا ہے۔
gpt-realtime-1.5 کیا ہے؟
gpt-realtime-1.5 کم لیٹنسی، اسپیچ ٹو اسپیچ کے لیے موزوں کردہ ماڈل ہے، جو لائیو گفتگوئی سسٹمز کے لیے ڈیزائن کیا گیا ہے۔ روایتی ریکویسٹ-ریسپانس ماڈلز کے برعکس، یہ مستقل اسٹریمنگ سیشنز کے ذریعے کام کرتا ہے، جس سے قدرتی طور پر باری لینا، مداخلت سنبھالنا، اور ڈائنامک وائس انٹریکشن ممکن ہوتا ہے۔
یہ ان ایپلی کیشنز کے لیے مقصدِ خاص کے تحت تیار کیا گیا ہے جہاں گفتگو کے بہاؤ کی رفتار زیادہ سے زیادہ کانٹیکسٹ کی لمبائی سے زیادہ اہم ہوتی ہے۔
اہم خصوصیات
- حقیقی اسپیچ ٹو اسپیچ تعامل — لائیو آڈیو ان پٹ قبول کرتا ہے اور ریئل ٹائم میں بولا گیا جواب اسٹریم کرتا ہے۔
- کم لیٹنسی آرکیٹیکچر — وائس ایجنٹس میں ذیلی سیکنڈ گفتگوئی ردعمل کے لیے ڈیزائن کیا گیا۔
- اسٹریمنگ فرسٹ ڈیزائن — مستقل سیشنز کے ذریعے کام کرتا ہے (WebRTC یا اسٹریمنگ پروٹوکولز)۔
- قدرتی باری لینا — مداخلت سنبھالنے اور ڈائنامک گفتگو کے بہاؤ کی حمایت کرتا ہے۔
- ٹول کالنگ کی حمایت — ریئل ٹائم سیشن کے دوران ساختہ فنکشن کالز ٹرگر کر سکتا ہے۔
- پروڈکشن کے لیے تیار وائس ایجنٹ کا بنیادی ڈھانچہ — خاص طور پر انٹرایکٹو اسسٹنٹس، کیوسکس، اور ایمبیڈڈ ڈیوائسز کے لیے تیار کیا گیا۔
بینچ مارک اور کارکردگی کی پوزیشننگ
OpenAI gpt-realtime-1.5 کو پہلے کے ریئل ٹائم ماڈلز کی ارتقائی شکل کے طور پر پوزیشن کرتا ہے، جس میں ہدایات پر عمل کی بہتری، طویل وائس سیشنز کے دوران استحکام، اور سابقہ ریلیزز کے مقابلے میں زیادہ قدرتی لہجہ (prosody) شامل ہے۔
کوڈنگ پر مرکوز ماڈلز (مثلاً، Codex ویریئنٹس) کے برعکس، کارکردگی کی پیمائش لیڈر بورڈ طرز کے بینچ مارکس کے بجائے زیادہ تر گفتگوئی لیٹنسی، آواز کی قدرتی پن، اور سیشن کے استحکام سے کی جاتی ہے۔
gpt-realtime-1.5 بمقابلہ متعلقہ ماڈلز
| خصوصیت | gpt-realtime-1.5 | gpt-audio-1.5 |
|---|---|---|
| بنیادی مقصد | لائیو وائس انٹریکشن | آڈیو فعال چیٹ ورک فلو |
| لیٹنسی | کم سے کم تاخیر کے لیے آپٹمائزڈ | کوالٹی/رفتار کا متوازن امتزاج |
| سیشن کی قسم | مستقل اسٹریمنگ سیشن | اسٹینڈرڈ Chat Completions فلو |
| کانٹیکسٹ سائز | ردعمل کے لیے آپٹمائزڈ | بڑے کانٹیکسٹ کی معاونت |
| بہترین استعمال کا کیس | ریئل ٹائم وائس ایجنٹس | آڈیو کے ساتھ گفتگوئی اسسٹنٹس |
ہر ایک کو کب منتخب کریں
- کال سینٹرز، کیوسکس، AI ریسیپشنسٹ، یا لائیو ایمبیڈڈ اسسٹنٹس کے لیے gpt-realtime-1.5 منتخب کریں۔
- ایسی وائس فعال چیٹ ایپس کے لیے gpt-audio-1.5 منتخب کریں جنہیں زیادہ طویل گفتگو کی یادداشت یا ملٹی موڈل ورک فلو درکار ہو۔
نمایاں استعمالی مثالیں
- AI کال سینٹر ایجنٹس
- اسمارٹ ڈیوائس اسسٹنٹس
- انٹرایکٹو کیوسکس
- لائیو تدریسی سسٹمز
- ریئل ٹائم زبان کی مشق کے ٹولز
- وائس سے کنٹرول ہونے والی ایپلی کیشنز
- GPT realtime 1.5 API تک کیسے رسائی حاصل کریں
مرحلہ 1: API Key کے لیے سائن اپ کریں
cometapi.com میں لاگ ان کریں۔ اگر آپ ابھی تک ہمارے صارف نہیں ہیں، تو پہلے رجسٹر کریں۔ اپنے CometAPI console میں سائن ان کریں۔ انٹرفیس کی رسائی اسناد یعنی API key حاصل کریں۔ پرسنل سینٹر میں API token پر “Add Token” پر کلک کریں، ٹوکن کی کلید حاصل کریں: sk-xxxxx اور سبمٹ کریں۔
مرحلہ 2: GPT realtime 1.5 API کو ریکویسٹ بھیجیں
API ریکویسٹ بھیجنے اور ریکویسٹ باڈی سیٹ کرنے کے لیے “gpt-realtime-1.5” اینڈ پوائنٹ منتخب کریں۔ ریکویسٹ میتھڈ اور ریکویسٹ باڈی ہماری ویب سائٹ کی API ڈاک سے حاصل کیے جاتے ہیں۔ آپ کی سہولت کے لیے ہماری ویب سائٹ Apifox ٹیسٹ بھی فراہم کرتی ہے۔ <YOUR_API_KEY> کو اپنے اکاؤنٹ کی اصل CometAPI key سے تبدیل کریں۔ بیس URL Chat Completions ہے
اپنا سوال یا درخواست content فیلڈ میں درج کریں—اسی پر ماڈل جواب دے گا۔ جنریٹ کیے گئے جواب کے حصول کے لیے API ریسپانس کو پروسیس کریں۔
مرحلہ 3: نتائج حاصل کریں اور تصدیق کریں
جنریٹ کیا گیا جواب حاصل کرنے کے لیے API ریسپانس کو پروسیس کریں۔ پروسیسنگ کے بعد، API ٹاسک کی حیثیت اور آؤٹ پٹ ڈیٹا کے ساتھ جواب دیتی ہے۔