قابلیتهای صوتی جدید OpenAI برای توسعهدهندهها معرفی شد
OpenAI مجموعهای از قابلیتهای صوتی جدید را به API خود اضافه کرده که برای ساخت اپهای مکالمهمحور طراحی شدهاند. مدل جدید GPT-Realtime-2 معرفی شده که با قدرت استدلال نزدیک به GPT-5 ساخته شده و میتواند مکالمههای طبیعیتر و درخواستهای پیچیدهتر را مدیریت کند. همچنین قابلیت GPT-Realtime-Translate ارائه شده که ترجمه همزمان مکالمهها را انجام میدهد و از بیش از ۷۰ زبان ورودی پشتیبانی میکند. امکان تبدیل زنده صدا به متن هم با GPT-Realtime-Whisper اضافه شده تا گفتوگوها همزمان ثبت و تبدیل شوند. این ابزارها در Realtime API قرار گرفتهاند و برای استفاده در اپلیکیشنهای تعاملی توسعه داده شدهاند.
طبق توضیحات OpenAI، این مدلها فقط برای پاسخگویی ساده ساخته نشدهاند و حالا میتوانند همزمان گوش بدهند، تحلیل کنند، ترجمه انجام دهند و حتی در جریان مکالمه اقدام مناسب را اجرا کنند. این قابلیتها برای بخشهایی مثل پشتیبانی مشتری، آموزش، رسانه و پلتفرمهای تولید محتوا کاربردی در نظر گرفته شدهاند. البته درباره سوءاستفاده احتمالی هم هشدار داده شده و اعلام شده سیستمهای کنترلی برای جلوگیری از اسپم، کلاهبرداری و محتوای مخرب در آنها قرار داده شده است. در صورت شناسایی محتوای خلاف قوانین، مکالمهها میتوانند متوقف شوند.