OpenAI meddelade på torsdagen att deras API nu kommer att inkludera en rad nya röstintelligensfunktioner, designade för att hjälpa utvecklare att bygga appar som kan prata, transkribera och översätta konversationer med användare. För tydligen är det så förra decenniet att skriva.

Företagets nya GPT-Realtime-2 är en annan röstmodell, byggd för att skapa en realistisk röstsimulering som kan konversera med användare. Till skillnad från sin föregångare (GPT-Realtime-1.5) kommer denna med GPT-5-klass resonemang, som OpenAI säger skapades för att hantera mer komplicerade förfrågningar från användare. Så ja, den är smartare, men den kan fortfarande inte beställa en pizza utan att fråga om dricks.

Även lanseras GPT-Realtime-Translate, som namnet antyder, ger realtidsöversättningstjänster som "håller takten" med användaren, konversationsmässigt. Funktionen stöder mer än 70 inmatningsspråk (de språk den kan förstå) och 13 utmatningsspråk (de språk den förmedlar till talaren). Det är många språk, men vi väntar fortfarande på att den ska översätta sarkasm.

Slutligen finns GPT-Realtime-Whisper, en ny transkriberingsförmåga som ger användare live tal-till-text när interaktioner sker. För att ta anteckningar manuellt är så 2019.

"Tillsammans flyttar modellerna vi lanserar realtidsljud från enkel fråga-svar till röstgränssnitt som faktiskt kan arbeta: lyssna, resonera, översätta, transkribera och agera när en konversation utvecklas," sa företaget. Med andra ord, din telefon kanske äntligen förstår dig när du säger "jag är på väg" medan du fortfarande ligger i sängen.

Vem kommer att dra nytta av dessa uppdateringar? Företag som vill utöka kundtjänstkapaciteten är ett självklart mål. Men OpenAI noterar också att funktionerna kommer att hjälpa utbildning, media, evenemang och skaparplattformar. För ingenting säger 'utbildning' som en robot som kan prata över dig.

Så användbara som dessa verktyg verkar ur ett företagsperspektiv, de kan också missbrukas. Företaget säger att de har byggt skyddsräcken för att förhindra missbruk som spam, bedrägeri eller andra online-oredligheter. Vissa triggers är inbäddade i systemet så att "konversationer kan avbrytas om de upptäcks bryta mot våra riktlinjer för skadligt innehåll." Så, om du försöker använda det för att lura gamla damer, kommer den bara att lägga på. Så artigt.

Alla nya röstmodeller ingår i OpenAIs Realtime API. Translate och Whisper faktureras per minut, medan GPT-Realtime-2 faktureras per tokenförbrukning. För i framtiden betalar du för varje stavelse.