A OpenAI revela suas capacidades de inteligência vocal em sua API

A OpenAI anunciou na quinta-feira que sua API agora inclui várias novas funcionalidades de inteligência vocal, projetadas para ajudar desenvolvedores a criar aplicativos capazes de falar, transcrever e traduzir conversas.
O novo modelo GPT-Realtime-2 da empresa é outro modelo vocal, desenvolvido para produzir uma simulação vocal realista que pode participar de conversas com os usuários. No entanto, diferente de seu predecessor (GPT-Realtime-1.5), esta versão incorpora o raciocínio do nível GPT-5, que a OpenAI afirma ter sido desenvolvido para lidar com solicitações mais complexas dos usuários.
A empresa também está lançando o GPT-Realtime-Translate, que, como o nome indica, oferece serviços de tradução em tempo real que acompanham o usuário durante as conversas. Esta funcionalidade suporta mais de 70 idiomas de entrada e 13 idiomas de saída.
Finalmente, a empresa introduziu uma nova capacidade de transcrição chamada GPT-Realtime-Whisper, que fornece funcionalidade de conversão de fala em texto em tempo real, capturando as palavras à medida que as interações ocorrem.
“Juntos, os modelos que estamos lançando levam o áudio em tempo real de interações simples de chamada e resposta para interfaces vocais que realmente podem realizar tarefas: ouvir, raciocinar, traduzir, transcrever e agir à medida que a conversa se desenrola”, afirmou a empresa.
Quem se beneficiará dessas atualizações? As empresas que buscam expandir suas capacidades de atendimento ao cliente são um público óbvio. No entanto, a OpenAI também observa que as novas funcionalidades serão úteis em uma ampla gama de áreas, incluindo educação, mídia, eventos e plataformas para criadores.
Por mais úteis que esses ferramentas sejam do ponto de vista empresarial, também existe o potencial de uso indevido. A empresa afirma ter implementado medidas de segurança para evitar que suas novas funcionalidades sejam usadas para spams, fraudes ou outros tipos de abuso on-line. Trigger específicos foram incorporados no sistema para que “as conversas possam ser interrompidas caso seja detectado que violam nossas diretrizes de conteúdo prejudicial”, segundo a OpenAI.
Todos os novos modelos vocais estão incluídos na API em tempo real da OpenAI. O Translate e o Whisper são cobrados por minuto, enquanto o GPT-Realtime-2 é cobrado com base no consumo de tokens.
Artigo relacionado
A OpenAI lança uma versão mais segura do ChatGPT para adolescentes, anos depois de eles terem começado a usá-lo
Após uma série de processos judiciais relacionados à ausência de protocolos de segurança em chatbots de IA — o que contribuiu para suicídios entre adolescentes e outras crises de saúde mental —, a Ope
A Frontier AI Labs se recusa a divulgar estratégias de contenção para modelos rebeldes
Pesquisas recentes indicam que muito poucos laboratórios líderes em IA publicaram ou demonstraram planos de resposta para contenção. Um plano de contenção define os procedimentos a serem seguidos quan
O Tiffany Luck da NEA: As empresas ainda estão lutando com o ROI da IA
Carregando o player…No início deste ano, o “tokenmaxxing” dominou o Vale do Silício, com diretores executivos incentivando os funcionários a maximizar o uso de IA. Esse entusiasmo rapidamente encontrou a realidade. A Uber, segundo relatos, excedeu s
Recomendações de tópicos especiais relacionados
Comentários (0)

A OpenAI anunciou na quinta-feira que sua API agora inclui várias novas funcionalidades de inteligência vocal, projetadas para ajudar desenvolvedores a criar aplicativos capazes de falar, transcrever e traduzir conversas.
O novo modelo GPT-Realtime-2 da empresa é outro modelo vocal, desenvolvido para produzir uma simulação vocal realista que pode participar de conversas com os usuários. No entanto, diferente de seu predecessor (GPT-Realtime-1.5), esta versão incorpora o raciocínio do nível GPT-5, que a OpenAI afirma ter sido desenvolvido para lidar com solicitações mais complexas dos usuários.
A empresa também está lançando o GPT-Realtime-Translate, que, como o nome indica, oferece serviços de tradução em tempo real que acompanham o usuário durante as conversas. Esta funcionalidade suporta mais de 70 idiomas de entrada e 13 idiomas de saída.
Finalmente, a empresa introduziu uma nova capacidade de transcrição chamada GPT-Realtime-Whisper, que fornece funcionalidade de conversão de fala em texto em tempo real, capturando as palavras à medida que as interações ocorrem.
“Juntos, os modelos que estamos lançando levam o áudio em tempo real de interações simples de chamada e resposta para interfaces vocais que realmente podem realizar tarefas: ouvir, raciocinar, traduzir, transcrever e agir à medida que a conversa se desenrola”, afirmou a empresa.
Quem se beneficiará dessas atualizações? As empresas que buscam expandir suas capacidades de atendimento ao cliente são um público óbvio. No entanto, a OpenAI também observa que as novas funcionalidades serão úteis em uma ampla gama de áreas, incluindo educação, mídia, eventos e plataformas para criadores.
Por mais úteis que esses ferramentas sejam do ponto de vista empresarial, também existe o potencial de uso indevido. A empresa afirma ter implementado medidas de segurança para evitar que suas novas funcionalidades sejam usadas para spams, fraudes ou outros tipos de abuso on-line. Trigger específicos foram incorporados no sistema para que “as conversas possam ser interrompidas caso seja detectado que violam nossas diretrizes de conteúdo prejudicial”, segundo a OpenAI.
Todos os novos modelos vocais estão incluídos na API em tempo real da OpenAI. O Translate e o Whisper são cobrados por minuto, enquanto o GPT-Realtime-2 é cobrado com base no consumo de tokens.
A OpenAI lança uma versão mais segura do ChatGPT para adolescentes, anos depois de eles terem começado a usá-lo
Após uma série de processos judiciais relacionados à ausência de protocolos de segurança em chatbots de IA — o que contribuiu para suicídios entre adolescentes e outras crises de saúde mental —, a Ope
A Frontier AI Labs se recusa a divulgar estratégias de contenção para modelos rebeldes
Pesquisas recentes indicam que muito poucos laboratórios líderes em IA publicaram ou demonstraram planos de resposta para contenção. Um plano de contenção define os procedimentos a serem seguidos quan
O Tiffany Luck da NEA: As empresas ainda estão lutando com o ROI da IA
Carregando o player…No início deste ano, o “tokenmaxxing” dominou o Vale do Silício, com diretores executivos incentivando os funcionários a maximizar o uso de IA. Esse entusiasmo rapidamente encontrou a realidade. A Uber, segundo relatos, excedeu s





Lar






