A OpenAI anunciou na quinta-feira que sua API agora incluirá um conjunto de novos recursos de inteligência de voz, projetados para ajudar desenvolvedores a criar aplicativos que possam falar, transcrever e traduzir conversas com usuários. Porque aparentemente, digitar é tão década passada.

O novo GPT-Realtime-2 da empresa é outro modelo de voz, criado para produzir uma simulação vocal realista que pode conversar com usuários. Ao contrário de seu antecessor (GPT-Realtime-1.5), este vem com raciocínio de classe GPT-5, que a OpenAI diz ter sido criado para lidar com solicitações mais complicadas dos usuários. Então sim, é mais inteligente, mas ainda não consegue pedir uma pizza sem pedir gorjeta.

Também está sendo lançado o GPT-Realtime-Translate, que, como o nome sugere, fornece serviços de tradução em tempo real que "acompanham" o usuário, de forma conversacional. O recurso suporta mais de 70 idiomas de entrada (os idiomas que pode compreender) e 13 idiomas de saída (os idiomas que transmite ao falante). São muitos idiomas, mas ainda estamos esperando que ele traduza sarcasmo.

Por fim, há o GPT-Realtime-Whisper, uma nova capacidade de transcrição que oferece aos usuários conversão de fala em texto ao vivo conforme as interações ocorrem. Porque tomar notas manualmente é tão 2019.

"Juntos, os modelos que estamos lançando movem o áudio em tempo real de simples chamada e resposta para interfaces de voz que podem realmente trabalhar: ouvir, raciocinar, traduzir, transcrever e agir enquanto uma conversa se desenrola", disse a empresa. Em outras palavras, seu telefone pode finalmente entender você quando você diz "estou a caminho" enquanto ainda está na cama.

Quem se beneficiará com essas atualizações? Empresas que desejam expandir suas capacidades de atendimento ao cliente são um alvo óbvio. Mas a OpenAI também observa que os recursos ajudarão em educação, mídia, eventos e plataformas de criadores. Porque nada diz 'educação' como um robô que pode falar por cima de você.

Por mais úteis que essas ferramentas pareçam do ponto de vista empresarial, elas também podem ser mal utilizadas. A empresa diz que construiu salvaguardas para prevenir abusos como spam, fraude ou outros delitos online. Certos gatilhos estão embutidos no sistema para que "conversas possam ser interrompidas se forem detectadas como violando nossas diretrizes de conteúdo prejudicial". Então, se você tentar usá-lo para enganar velhinhas, ele simplesmente desligará. Que educado.

Todos os novos modelos de voz estão incluídos na API Realtime da OpenAI. Translate e Whisper são cobrados por minuto, enquanto GPT-Realtime-2 é cobrado por consumo de tokens. Porque no futuro, você pagará por cada sílaba.