OpenAI kündigte am Donnerstag an, dass seine API nun eine Reihe neuer Sprachintelligenz-Funktionen enthalten wird, die Entwicklern helfen sollen, Apps zu bauen, die mit Benutzern sprechen, transkribieren und übersetzen können. Denn anscheinend ist Tippen so letztes Jahrzehnt.

Das neue GPT-Realtime-2 des Unternehmens ist ein weiteres Sprachmodell, das entwickelt wurde, um eine realistische Stimm-Simulation zu erzeugen, die mit Benutzern konversieren kann. Im Gegensatz zu seinem Vorgänger (GPT-Realtime-1.5) verfügt dieses über GPT-5-Klassen-Denken, von dem OpenAI sagt, dass es entwickelt wurde, um mit komplexeren Anfragen von Benutzern umzugehen. Also ja, es ist schlauer, aber es kann immer noch keine Pizza bestellen, ohne nach einem Trinkgeld zu fragen.

Ebenfalls eingeführt wird GPT-Realtime-Translate, das, wie der Name schon sagt, Echtzeit-Übersetzungsdienste bietet, die mit dem Benutzer Schritt halten, gesprächsweise. Die Funktion unterstützt mehr als 70 Eingabesprachen (die Sprachen, die es verstehen kann) und 13 Ausgabesprachen (die Sprachen, die es an den Sprecher weitergibt). Das sind viele Sprachen, aber wir warten immer noch darauf, dass es Sarkasmus übersetzt.

Schließlich gibt es GPT-Realtime-Whisper, eine neue Transkriptionsfähigkeit, die Benutzern Live-Sprache-zu-Text bietet, während Interaktionen stattfinden. Denn Notizen manuell zu machen ist so 2019.

"Zusammen bewegen die Modelle, die wir einführen, Echtzeit-Audio von einfachem Ruf-und-Antwort hin zu Sprachschnittstellen, die tatsächlich Arbeit verrichten können: zuhören, denken, übersetzen, transkribieren und handeln, während sich ein Gespräch entfaltet", sagte das Unternehmen. Mit anderen Worten, dein Telefon könnte dich endlich verstehen, wenn du sagst "Ich bin unterwegs", während du noch im Bett liegst.

Wer wird von diesen Updates profitieren? Unternehmen, die ihre Kundendienstfähigkeiten erweitern wollen, sind ein offensichtliches Ziel. Aber OpenAI weist auch darauf hin, dass die Funktionen Bildung, Medien, Veranstaltungen und Creator-Plattformen unterstützen werden. Denn nichts sagt 'Bildung' wie ein Roboter, der dich überreden kann.

So nützlich diese Werkzeuge aus Unternehmenssicht erscheinen, sie könnten auch missbraucht werden. Das Unternehmen sagt, es habe Schutzmaßnahmen eingebaut, um Missbrauch wie Spam, Betrug oder andere Online-Vergehen zu verhindern. Bestimmte Auslöser sind im System eingebettet, so dass "Gespräche gestoppt werden können, wenn festgestellt wird, dass sie gegen unsere Richtlinien für schädliche Inhalte verstoßen". Wenn du also versuchst, es zu nutzen, um alte Damen zu betrügen, legt es einfach auf. Wie höflich.

Alle neuen Sprachmodelle sind in der Realtime-API von OpenAI enthalten. Translate und Whisper werden pro Minute abgerechnet, während GPT-Realtime-2 nach Token-Verbrauch abgerechnet wird. Denn in der Zukunft wirst du für jede Silbe bezahlen.