OpenAI presenta modelli audio avanzati per voice AI in tempo reale
La nuova Realtime API di OpenAI introduce tre modelli che rivoluzionano le applicazioni vocali con interazioni in oltre 70 lingue.
OpenAI ha annunciato tre nuovi modelli audio integrati nella Realtime API, segnando un passo avanti per lo sviluppo di voice AI. I modelli presentati sono GPT-Realtime-2, GPT-Realtime-Translate e GPT-Realtime-Whisper.
Il modello principale, GPT-Realtime-2, eleva il livello delle interazioni vocali, offrendo capacità di ragionamento paragonabili a GPT-5 per gestire richieste complesse in conversazioni naturali. Può operare in parallelo su più task e descrivere le sue azioni all’utente, mantenendo sessioni estese grazie a una finestra di contesto di 128K token. Gli sviluppatori hanno inoltre la possibilità di regolare la profondità del ragionamento in base alle esigenze dell’utente.
GPT-Realtime-Translate introduce la traduzione vocale in tempo reale per oltre 70 lingue in input e 13 in output, permettendo conversazioni fluide tra interlocutori di lingue diverse. Durante le demo, il sistema ha dimostrato di riuscire a tradurre simultaneamente più speaker senza interruzioni.
Infine, GPT-Realtime-Whisper si distingue per la trascrizione vocale streaming, convertendo la voce in testo durante la parlata, ideale per meeting, sottotitoli live e workflow che richiedono trascrizioni immediate.
Questi modelli sono attualmente disponibili per sviluppatori e stanno già trovando applicazione in aziende che puntano a potenziare i propri servizi vocali.
