OpenAI DevDay 伦敦站：o1 编程与实时语音演示

OpenAI DevDay 伦敦站刚刚举行，我想向大家展示几个演示。首先，团队展示一个全栈无人机控制应用，其代码归功于 o1。在片段中，一位操作者启动服务器、检查电池和视频流，然后测试起飞和界面按钮。视频展示的是人操作界面，而非 o1 独立驾驶无人机。

视频包含 AI Port 和 Turing Post 新闻通讯的赞助。我提到他们比较图像模型如何描绘不同世代的项目，并讨论模型输出如何反映刻板印象；这些例子用于介绍该项目，并不能确立适用于所有模型或世代的普遍结论。

接下来是支持语音的旅行应用 Wanderlust。我将其描述为 o1 使用语音，但 OpenAI 当时的文档将 Realtime API 音频模型标为 GPT-4o 实时预览版。演示展示的是应用将该 API 与自己的工具集成，不能证明语音交互由 o1 驱动。

演示者询问前往新加坡的旅行、可参观地点和酒店。对话进行时，应用显示文字记录、更新地图并展示酒店详情。演示者解释说，应用可以将 Realtime API 连接到开发者自定义的函数、API 和工具。

工具集成让应用能够在地图上放置标记、改变视图并显示信息。这是一个围绕语音和工具调用构建的应用演示；它在模拟场景中成功，并不保证真实旅行信息或每一步操作都正确。

演示者将地点切回伦敦 Chiswell Street 的 The Brewery 附近，询问适合观众的附近派店。应用显示三个选项。演示者明确指出，第二个 Ilan’s Posh Pies 是虚构的演示商家，另外两个则是真实商家。

为将演示扩展到界面之外，团队将 Realtime API 接入 Twilio 电话功能。一名同事扮演商家代表。演示者要求助手安排约 200 个派，肉类和素食各占一部分，并将预算控制在 1,000 英镑以下。

在模拟通话中，助手询问有哪些派，以及 100 个肉派和 100 个素派的价格。商家起初报价约 1,200 英镑，随后同意以 1,000 英镑成交，条件是在活动中介绍该商家。这达到所述的 1,000 英镑上限，而不是严格低于上限。

通话继续安排向场馆附近配送。这段交流展示了应用如何将语音助手连接到电话服务及人类接听者；这是使用虚构商家的模拟演示，并非真实商业订单的证据。

第二场演示用语音界面探索太阳系。演示者询问最大的行星，助手回答木星。随后对话转向地球及其特征，界面也随之改变显示内容。

被问及陆地和水的比例时，助手回答约 29% 是陆地、71% 是水，并显示饼图。演示者随后询问火星及其火山，助手介绍奥林匹斯山，并与其他大型火山比较。

我认为这种响应式对话和可视化是教育领域有前景的方向。我将内容描述为动态生成而非预设，但仅凭片段无法确定哪些部分是生成的、哪些是预先制作的。教育回答和图表仍应核查准确性。

OpenAI 还宣布了五种新声音和提示缓存折扣：当时缓存文本输入打五折，缓存音频输入打两折。这些数字反映 2024 年 10 月的更新，而非现行费率；当前价格应查阅 OpenAI 后续文档。

最后，我报告说 DevDay 观众获得了 o1-preview 的使用机会，而 OpenAI 产品负责人 Olivier Godement 表示完整 o1 仍在开发中。我猜测观众获得访问权可能与欧洲地区的可用性有关，这只是推测。OpenAI 后来发布了改进版 o1，其当前 o1 页面称 o1-preview 和 o1-mini 已从 API 退役，o1 已弃用。