OpenAI претстави нови аудио модели за реално-временска говорна интеракција

OpenAI претстави нова генерација аудио модели наменети за развој на апликации кои користат говорна комуникација во реално време, со цел значително да се унапредат можностите на дигиталните асистенти и агентски системи. Новите модели се дизајнирани да овозможат поприродна интеракција со корисниците, како и извршување на посложени задачи преку говор.

Со оваа надградба, компанијата се поместува од класично препознавање и транскрипција на говор кон системи што можат да слушаат, преведуваат и реагираат во текот на разговор, отворајќи простор за нова генерација апликации во области како корисничка поддршка, образование и деловни услуги.

Во новиот пакет се вклучени три модели. GPT-Realtime-2 е наменет за понапредни задачи, вклучува управување со алатки, справување со прекини во разговорот и задржување на контекст во подолги говорни сесии. Вториот модел, GPT-Realtime-Translate, овозможува превод од повеќе од 70 јазици во 13 излезни јазици, што го прави особено корисен за меѓународна комуникација и корисничка поддршка. Третиот модел, GPT-Realtime-Whisper, е фокусиран на пренос на говор во текст во реално време, овозможувајќи автоматско генерирање на белешки, натписи и ажурирања додека корисникот зборува.

Од OpenAI соопштија дека моделите веќе се достапни за тестирање преку развојната платформа на компанијата, каде програмерите можат да експериментираат со нивната примена во различни сценарија.

Меѓу првите компании што ги тестираат новите технологии се Zillow, Priceline и Deutsche Telekom, кои ги истражуваат можностите за примена во области како недвижности, патувања и телекомуникации.

Ценовниот модел варира во зависност од услугата. GPT-Realtime-2 се наплатува според обработените аудио токени, додека другите два модели имаат тарифи базирани на минута користење, што овозможува флексибилен пристап за различни типови на апликации и бизнис потреби.

Со оваа надградба, OpenAI продолжува да го проширува својот фокус кон развој на напредни AI агенти, со цел да создаде системи што не само што одговараат на прашања, туку и активно учествуваат во извршување на задачи во реално време.