OpenAI ha annunciato giovedì che la sua API ora includerà una serie di nuove funzionalità di intelligenza vocale, progettate per aiutare gli sviluppatori a creare app in grado di parlare, trascrivere e tradurre conversazioni con gli utenti. Perché a quanto pare, digitare è così decennio scorso.

Il nuovo GPT-Realtime-2 dell'azienda è un altro modello vocale, costruito per creare una simulazione vocale realistica in grado di conversare con gli utenti. A differenza del suo predecessore (GPT-Realtime-1.5), questo viene fornito con un ragionamento di classe GPT-5, che OpenAI afferma essere stato creato per gestire richieste più complicate da parte degli utenti. Quindi sì, è più intelligente, ma non può ancora ordinare una pizza senza chiedere una mancia.

Viene anche lanciato GPT-Realtime-Translate, che, come suggerisce il nome, fornisce servizi di traduzione in tempo reale che "stanno al passo" con l'utente, in modo conversazionale. La funzionalità supporta più di 70 lingue di input (le lingue che può comprendere) e 13 lingue di output (le lingue che trasmette al parlante). Sono molte lingue, ma stiamo ancora aspettando che traduca il sarcasmo.

Infine, c'è GPT-Realtime-Whisper, una nuova capacità di trascrizione che offre agli utenti la trascrizione vocale in tempo reale mentre le interazioni avvengono. Perché prendere appunti manualmente è così 2019.

"Insieme, i modelli che stiamo lanciando portano l'audio in tempo reale da un semplice chiamata-risposta a interfacce vocali che possono effettivamente lavorare: ascoltare, ragionare, tradurre, trascrivere e agire mentre una conversazione si svolge," ha detto l'azienda. In altre parole, il tuo telefono potrebbe finalmente capirti quando dici "sto arrivando" mentre sei ancora a letto.

Chi beneficerà di questi aggiornamenti? Le aziende che vogliono espandere le capacità del servizio clienti sono un obiettivo ovvio. Ma OpenAI nota anche che le funzionalità aiuteranno nell'istruzione, nei media, negli eventi e nelle piattaforme per creatori. Perché niente dice 'istruzione' come un robot che può parlarti sopra.

Per quanto utili possano sembrare questi strumenti da una prospettiva aziendale, potrebbero anche essere usati in modo improprio. L'azienda afferma di aver costruito protezioni per prevenire abusi come spam, frodi o altri misfatti online. Alcuni trigger sono incorporati nel sistema in modo che "le conversazioni possano essere interrotte se vengono rilevate come violazione delle nostre linee guida sui contenuti dannosi." Quindi, se provi a usarle per truffare vecchiette, si limiterà a riattaccare. Che educazione.

Tutti i nuovi modelli vocali sono inclusi nell'API Realtime di OpenAI. Translate e Whisper sono fatturati al minuto, mentre GPT-Realtime-2 è fatturato in base al consumo di token. Perché in futuro, pagherai per ogni sillaba.