OpenAI представила три нові голосові моделі штучного інтелекту, які творець ChatGPT називає ключем до створення нового покоління голосових додатків для розробників.

---

OpenAI Представляє Три Нові Голосові Моделі для Реального Часу: Революція у Розпізнаванні Мови та Перекладі

Використання ChatGPT давно перестало обмежуватися текстовими діалогами. Тепер штучний інтелект не лише розуміє ваш голос, а й відповідає ним. Компанія OpenAI підійшла до наступного кроку і анонсувала три нові голосові моделі, які, за їхніми словами, відкриють нові горизонти голосових додатків для розробників.

Що саме пропонує OpenAI?

Кожна модель заточена під конкретне завдання: глибоке міркування, миттєвий переклад та трансляція мовлення у текст. Якщо ви шукаєте технологію для власних проєктів, варто звернути увагу на ці новинки.

Три ключові моделі голосу від OpenAI

• GPT‑Realtime‑2 — потужна модель, що працює на рівні GPT-5, здатна вирішувати складні запити та природньо підтримувати діалог.
• GPT‑Realtime‑Translate — інноваційний перекладач у реальному часі, який оперує з понад 70 вхідними мовами і транслює їх у 13 вихідних.
• GPT‑Realtime‑Whisper — стрімкий і точний сервіс перетворення мовлення на текст, що транскрибує голос одразу під час розмови.

Практичне застосування нових моделей

За інформацією OpenAI, розробники використовують голосові моделі для трьох основних кейсів:

1. Виконання завдань за голосовими командами.
2. Пояснення ситуацій, наприклад, затримок у подорожах, через голосове повідомлення.
3. Ведення діалогів рідною мовою користувача.

Саме ці проблеми й покликані розв’язати нові голосові моделі, доступні наразі через OpenAI Realtime API.

Вартість і можливості

Ціни на використання моделей наступні:

• GPT‑Realtime‑2 коштує $32 за мільйон вхідних токенів і $64 за мільйон вихідних.
• GPT‑Realtime‑Translate — $0,034 за хвилину роботи.
• GPT‑Realtime‑Whisper — $0,017 за хвилину.

Головні переваги кожної моделі

GPT‑Realtime‑2 підходить, якщо вам потрібен інтелектуальний помічник, здатний швидко аналізувати кілька джерел інформації, коректно інтерпретувати спеціалізовані терміни, а також гнучко адаптувати стиль спілкування під користувача.

GPT‑Realtime‑Translate відкриває двері для додатків, що перетворюють мову у реальному часі без затримок — відмінне рішення для спілкування на різних мовах, яке підтримує десятки мов як вхідних, так і вихідних.

GPT‑Realtime‑Whisper стане в пригоді при створенні субтитрів, нотаток чи підсумків зустрічей у реальному часі, роблячи живі продукти швидшими, адаптивнішими та природнішими.

Спробувати самому

Кожна з моделей вже доступна для тестування на майданчику OpenAI Playground. Ті, хто користується платформою Codex, можуть безпосередньо інтегрувати GPT‑Realtime‑2 для покращення агентних сценаріїв кодування.

Ці нововведення від OpenAI формують майбутнє голосових технологій, відкриваючи цікаві перспективи для розробників і користувачів по всьому світу.