OpenAI представила новые голосовые модели для улучшения диалогов и перевода в реальном времени

OpenAI анонсировала выпуск трех новых голосовых моделей, предназначенных для улучшения взаимодействия с искусственным интеллектом. Эти модели, доступные через Realtime API, способны обрабатывать сложные диалоги, переводить речь в реальном времени и транскрибировать аудио. Первая модель, GPT Realtime 2, демонстрирует уровень рассуждений, сопоставимый с GPT 5, и может удерживать контекст на протяжении длительных разговоров благодаря увеличенному контекстному окну до 128 тысяч токенов. Это позволяет моделям более естественно вести диалоги, включая возможность перебивать себя и вызывать инструменты для решения задач в процессе общения. Вторая модель, GPT Realtime Translate, обеспечивает потоковый перевод с 70 языков на 13, учитывая темп речи говорящего. Третья модель, GPT Realtime Whisper, предназначена для транскрибации речи в режиме реального времени, что может быть полезно для создания субтитров и заметок. Эти инновации могут значительно изменить подход к взаимодействию с AI, улучшая качество общения и расширяя возможности использования технологий в различных сферах, таких как образование, бизнес и развлечения. Внедрение таких моделей может привести к более эффективным и интуитивным интерфейсам, что, в свою очередь, повысит доступность информации и упростит коммуникацию между людьми и машинами.