OpenAI lance des modèles vocaux capables de raisonner, traduire et transcrire en direct
- OpenAI a lancé trois nouveaux modèles vocaux temps réel dans son API.
- Les modèles vocaux prennent en charge plus de 70 langues d'entrée, ainsi que GPT-Realtime-Whisper pour la transcription en direct.
- La traduction et Whisper sont facturés à la minute, tandis que GPT-Realtime-2 est facturé au token.
GPT-Realtime-⟦N1⟧ apporte un raisonnement plus affiné à la voix
GPT-Realtime-2 est le modèle phare. OpenAI déclare qu'il offre un raisonnement de classe GPT-5, une étape significative par rapport à son prédécesseur, GPT-Realtime-1.5.
GPT-Realtime-2 apporte un raisonnement plus affiné à la voix
Il peut appeler plusieurs outils simultanément, récupérer des erreurs avec des acknowledgments parlés, et produire de courtes phrases de transition comme « laissez-moi vérifier cela » pendant le traitement d'une requête.
OpenAI a déclaré qu'elle avait intégré la modération de contenu dans les nouveaux modèles, avec des déclencheurs capables d'interrompre les conversations détectées comme violant les directives de contenu nuisible. L'entreprise a présenté les garde-fous comme une protection contre le spam, la fraude et d'autres formes d'abus.
GPT-Realtime-Translate gère la traduction vocale en direct. Il accepte plus de 70 langues d'entrée et produit en 13, conçu pour suivre le rythme d'un locuteur en temps réel.
GPT-Realtime-Whisper fournit une transcription vocale en streaming (STT), transcrivant les mots au fur et à mesure qu'ils sont prononcés plutôt que d'attendre une énonciation complète.
Zillow et Deutsche Telekom testent les modèles en production
Plusieurs entreprises ont eu un accès anticipé. Zillow construit un assistant vocal capable de traiter des requêtes immobilières complexes, de gérer les appels d'outils pour rechercher des annonces et de se conformer aux réglementations sur le logement équitable.
L'entreprise a signalé une amélioration de 26 points du taux de réussite des appels sur son benchmark adversarial le plus difficile après une optimisation des prompts avec GPT-Realtime-2, atteignant 95 % contre 69 % auparavant.
Priceline explore un assistant vocal de voyage qui pourrait gérer les recherches de vols, les changements d'hôtel et la traduction sur place en une seule session.
Les modèles ciblent les entreprises cherchant à étendre leurs capacités de service client, mais notent également des applications potentielles dans l'éducation, les médias, les événements et les plateformes de créateurs.
Deutsche Telekom teste la traduction en temps réel pour le support client, permettant aux appelants de parler dans leur langue préférée tandis que le modèle gère la conversion des deux côtés.
En matière de tarification, les modèles Translate et Whisper sont facturés à la minute. GPT-Realtime-2 est facturé à la consommation de tokens. Les trois sont disponibles via l'API Realtime d'OpenAI, accessible via les méthodes de connexion WebRTC, WebSocket et SIP.
OpenAI a lancé trois modèles vocaux en temps réel, apportant un raisonnement de classe GPT-5, une traduction en 70 langues et une transcription en direct à son API.
OpenAI a déclaré qu'il avait intégré la modération de contenu dans les nouveaux modèles, avec des déclencheurs capables d'interrompre les conversations détectées comme violant les directives sur les contenus nuisibles. L'entreprise a présenté ces garde-fous comme une protection contre le spam, la fraude et d'autres formes d'abus.
En matière de tarification, les modèles Translate et Whisper sont facturés à la minute. GPT-Realtime-2 est facturé à la consommation de tokens. Les trois sont disponibles via l'API Realtime d'OpenAI, accessible via les méthodes de connexion WebRTC, WebSocket et SIP.
Ne vous contentez pas de lire les actualités crypto. Comprenez-les. Abonnez-vous à notre newsletter. C'est gratuit.
FAQ
Qu'est-ce que GPT-Realtime-2 ?
GPT-Realtime-2 est le nouveau modèle vocal d'OpenAI doté d'un raisonnement de niveau GPT-5, conçu pour les conversations en direct où l'IA doit gérer des requêtes complexes, appeler des outils et se remettre des interruptions.
Combien de langues GPT-Realtime-Translate prend-il en charge ?
GPT-Realtime-Translate accepte la parole dans plus de 70 langues d'entrée et peut traduire vers 13 langues de sortie en temps réel.
Comment sont facturés les nouveaux modèles vocaux ?
GPT-Realtime-Translate et GPT-Realtime-Whisper sont facturés à la minute, tandis que GPT-Realtime-2 est facturé selon la consommation de tokens.
Avertissement. Les informations fournies ne constituent pas des conseils en matière de trading. Cryptopolitan.com décline toute responsabilité concernant les investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement une recherche indépendante et/ou une consultation avec un professionnel qualifié avant de prendre toute décision d'investissement.
Randa Moses
Randa Moses est rédactrice et journaliste chez Cryptopolitan, couvrant la technologie, l'IA, la robotique, la crypto, les arnaques et les piratages. Elle évolue dans l'espace crypto depuis 2017. Elle a occupé des postes chez Forward Protocol, AmaZix et Cryptosomniac. Randa détient un diplôme en génie électrique et électronique de l'Université de Bradford.
