Η OpenAI παρουσίασε το GPT‑Realtime‑2 και δύο νέες φωνητικές εκδοχές, διαθέσιμες μόνο μέσω του API

Η OpenAI επεκτείνει τις δυνατότητες του API φωνής

Η εταιρεία ανακοίνωσε την κυκλοφορία νέων λειτουργιών για το API της, οι οποίες θα επιτρέψουν στους προγραμματιστές να δημιουργούν πιο «ζωντανές» εφαρμογές φωνής: θα μπορούν να μιλούν με τους χρήστες, να μεταγράφουν ομιλία σε κείμενο και να μεταφράζουν συνομιλίες εν κινήσει.

Νέοι μοντέλα Realtime
Μέσω της διεπαφής Realtime είναι πλέον διαθέσιμα τρία μοντέλα:

ModelPurposeKey FeaturesGPT‑Realtime‑2Αλληλεπίδραση φωνής σε πραγματικό χρόνο Ανάλυση ερωτημάτων, κλήση εργαλείων, επεξεργασία διορθώσεων και ομαλό συνέχισης διαλόγου. Βασίζεται στη λογική GPT‑5, επιτρέποντας την αντιμετώπιση πιο σύνθετων εργασιών σε σύγκριση με το GPT‑Realtime‑1.5.GPT‑Realtime‑TranslateΜετάφραση σε πραγματικό χρόνο Υποστηρίζει 70+ γλώσσες εισόδου και 13 γλώσσες εξόδου. Διατηρεί το νόημα ακόμη και με αλλαγή συμφραζομένων, εθνικών προφορών ή ειδικευμένης τεχνικής ορολογίας.GPT‑Realtime‑WhisperΜετάφραση ομιλίας Μοντέλο ροής χαμηλής καθυστέρησης που μετατρέπει το ηχητικό σε κείμενο σχεδόν αμέσως.
> «Τα νέα μοντέλα μας μετατρέπουν την ήχο σε πραγματικό χρόνο από απλή συνομιλία σε φωνητικές διεπαφές, οι οποίες μπορούν πραγματικά να λειτουργούν: ακούμε, συλλογίζουμε, μεταφράζουμε, μεταγράφουμε και αναλαμβάνουμε δράση καθώς εξελίσσεται η συζήτηση», δήλωσε η εταιρεία.

Κόστος
ModelPriceGPT‑Realtime‑2$32 για 1 εκατομμύριο εισερχόμενα ηχητικά tokens, $0.40 για 1 εκατομμύριο αποθηκευμένα tokens και $64 για 1 εκατομμύριο εξερχόμενα ηχητικά tokensGPT‑Realtime‑Translate$0.034 ανά λεπτόGPT‑Realtime‑Whisper$0.017 ανά λεπτό

Πώς να δοκιμάσετε
Οι προγραμματιστές μπορούν να δοκιμάσουν τα νέα μοντέλα στην online πλατφόρμα OpenAI Playground και αμέσως να δουν πώς λειτουργούν σε πραγματικό χρόνο.