OpenAI a anunțat joi că API-ul său va include acum o suită de noi funcții de inteligență vocală, concepute pentru a ajuta dezvoltatorii să construiască aplicații care pot vorbi, transcrie și traduce conversații cu utilizatorii. Pentru că, aparent, scrisul este atât de demodat.

Noul GPT-Realtime-2 al companiei este un alt model vocal, creat pentru a produce o simulare vocală realistă care poate conversa cu utilizatorii. Spre deosebire de predecesorul său (GPT-Realtime-1.5), acesta vine cu raționament de clasă GPT-5, pe care OpenAI spune că a fost creat pentru a gestiona cereri mai complicate din partea utilizatorilor. Deci da, este mai inteligent, dar tot nu poate comanda o pizza fără să ceară bacșiș.

De asemenea, se lansează GPT-Realtime-Translate, care, după cum sugerează și numele, oferă servicii de traducere în timp real care „țin pasul” cu utilizatorul, conversațional. Funcția suportă peste 70 de limbi de intrare (limbile pe care le poate înțelege) și 13 limbi de ieșire (limbile pe care le transmite vorbitorului). Sunt multe limbi, dar încă așteptăm să traducă și sarcasmul.

În cele din urmă, există GPT-Realtime-Whisper, o nouă capacitate de transcriere care oferă utilizatorilor vorbire în text live pe măsură ce au loc interacțiunile. Pentru că a lua notițe manual este atât de 2019.

„Împreună, modelele pe care le lansăm mută audio-ul în timp real de la simplu apel-răspuns către interfețe vocale care pot face efectiv treabă: să asculte, să raționeze, să traducă, să transcrie și să acționeze pe măsură ce conversația se desfășoară”, a spus compania. Cu alte cuvinte, telefonul tău s-ar putea să te înțeleagă în sfârșit când spui „sunt pe drum” în timp ce ești încă în pat.

Cine va beneficia de aceste actualizări? Companiile care doresc să își extindă capacitățile de servicii pentru clienți sunt o țintă evidentă. Dar OpenAI notează și că funcțiile vor ajuta educația, media, evenimentele și platformele de creatori. Pentru că nimic nu spune „educație” ca un robot care poate vorbi peste tine.

Oricât de utile ar părea aceste instrumente din perspectivă enterprise, ele ar putea fi și folosite greșit. Compania spune că a construit garduri de protecție pentru a preveni abuzurile precum spamul, frauda sau alte fapte rele online. Anumite declanșatoare sunt încorporate în sistem astfel încât „conversațiile pot fi oprite dacă sunt detectate ca încălcând liniile noastre directoare privind conținutul dăunător”. Deci, dacă încerci să o folosești pentru a înșela bătrâne, pur și simplu va închide. Ce politicos.

Toate noile modele vocale sunt incluse în API-ul Realtime al OpenAI. Translate și Whisper sunt facturate pe minut, în timp ce GPT-Realtime-2 este facturat pe consumul de tokeni. Pentru că în viitor, vei plăti pentru fiecare silabă.