OpenAI Perşembe günü API'sine, geliştiricilerin kullanıcılarla konuşabilen, yazıya dökebilen ve çeviri yapabilen uygulamalar oluşturmasına yardımcı olmak için tasarlanmış bir dizi yeni ses zekası özelliği ekleyeceğini duyurdu. Çünkü görünüşe göre, yazmak geçen on yılda kaldı.

Şirketin yeni GPT-Realtime-2'si, kullanıcılarla sohbet edebilen gerçekçi bir ses simülasyonu oluşturmak için yapılmış başka bir ses modeli. Selefinden (GPT-Realtime-1.5) farklı olarak, bu model GPT-5 sınıfı akıl yürütme ile geliyor ve OpenAI bunun kullanıcıların daha karmaşık istekleriyle başa çıkmak için oluşturulduğunu söylüyor. Yani evet, daha akıllı, ama yine de bahşiş istemeden pizza sipariş edemiyor.

Ayrıca, adından da anlaşılacağı gibi, kullanıcıyla konuşma hızında gerçek zamanlı çeviri hizmetleri sağlayan GPT-Realtime-Translate de piyasaya sürülüyor. Özellik, 70'ten fazla giriş dilini (anlayabildiği diller) ve 13 çıkış dilini (konuşmacıya ilettiği diller) destekliyor. Bu birçok dil, ama hâlâ alaycılığı çevirmesini bekliyoruz.

Son olarak, etkileşimler gerçekleşirken kullanıcılara canlı konuşmadan metne aktarma imkânı veren yeni bir yazıya dökme yeteneği olan GPT-Realtime-Whisper var. Çünkü elle not almak çok 2019.

Şirket, "Birlikte, piyasaya sürdüğümüz modeller gerçek zamanlı sesi basit çağrı-yanıt biçiminden, gerçekten iş yapabilen ses arayüzlerine taşıyor: dinleme, akıl yürütme, çeviri, yazıya dökme ve bir konuşma ilerledikçe harekete geçme" dedi. Başka bir deyişle, telefonunuz hâlâ yataktayken 'Yoldayım' dediğinizde sonunda sizi anlayabilir.

Bu güncellemelerden kimler yararlanacak? Müşteri hizmetleri yeteneklerini genişletmek isteyen şirketler bariz bir hedef. Ancak OpenAI ayrıca bu özelliklerin eğitim, medya, etkinlikler ve içerik üreticisi platformlarına yardımcı olacağını belirtiyor. Çünkü hiçbir şey, üstünüzde konuşabilen bir robot kadar 'eğitim' demek değildir.

Bu araçlar kurumsal açıdan ne kadar kullanışlı görünse de, kötüye kullanılabilirler. Şirket, spam, dolandırıcılık veya diğer çevrimiçi suistimalleri önlemek için güvenlik önlemleri oluşturduğunu söylüyor. Sisteme belirli tetikleyiciler yerleştirilmiş, böylece 'zararlı içerik kurallarımızı ihlal ettiği tespit edilirse konuşmalar durdurulabilir.' Yani, onu yaşlı kadınları dolandırmak için kullanmaya çalışırsanız, sadece kapatır. Ne kibar.

Tüm yeni ses modelleri OpenAI'nin Realtime API'sine dahildir. Translate ve Whisper dakika başına faturalandırılırken, GPT-Realtime-2 token tüketimine göre faturalandırılır. Çünkü gelecekte, her hece için ödeyeceksiniz.