OpenAI, real zamanlı danışa bilən və tərcümə edə bilən yeni səs modellərini API-a əlavə etdi

OpenAI, API-sına yeni səs intellekti xüsusiyyətlərini əlavə etdi. Bu yeniliklərlə, inkişaf etdiricilər istifadəçilərlə danışa bilən, danışmaları mətna çevirə bilən və tərcümə edə bilən tətbiqlər yarada biləcəklər.

Şirkətin yeni səs modeli GPT-Realtime-2, istifadəçilərlə söhbət edə bilən realistik bir səs simulyasiyası yaratmaq məqsədilə hazırlanmışdır. Bu model, GPT-Realtime-1.5-dən fərqli olaraq, daha inkişaf etmiş GPT-5 sinifli düşüncə ilə yaradılmışdır. OpenAI, GPT-Realtime-2-nin səsli düşüncə benchmarklarında ciddi performans artışı əldə etdiyini bildirir.

GPT-Realtime-2-nin kontekst pəncərəsi 32K-dan 128K-ya yüksəldilmişdir. Bu, modelin daha uzun və mürəkkəb səsli sessiyalarda konteksti qorumağa imkan tanıyır. Model, eyni anda bir neçə alət çağırışı edə bilir, məsələn, “təqvimi yoxlayıram” kimi ara bildirişlərlə istifadəçini proses haqqında məlumatlandırır.

Bundan əlavə, OpenAI, GPT-Realtime-Translate-i də təqdim edir. Bu xidmət, istifadəçi ilə danışarkən real zamanlı tərcümə təqdim etmək üçün nəzərdə tutulmuşdur. GPT-Realtime-Translate, 70-dən çox dili anlayır və 13 dildə dəstək verir, eyni zamanda eyni anda transkripsiya da yaradır.

OpenAI, yeni bir transkripsiya xüsusiyyəti olan GPT-Realtime-Whisper-i də təqdim edir. Bu model, interaktiv zamanlarda canlı danışıq-mətna çevirmə imkanları təqdim edir. Bütün yeni səs modelləri OpenAI-nin Realtime API-sına daxil edilib və xüsusilə görüş qeydləri, canlı altyazılar və müştəri dəstəyi üçün aşağı gecikməli transkripsiya təqdim edir.

OpenAI, yeni xüsusiyyətlərinin təhsil, media, tədbirlər və məzmun istehsalçı platformaları kimi müxtəlif sahələrdə faydalı olacağını bildirir. Eyni zamanda, yeni xüsusiyyətlərin spam və fırıldaqçılıq kimi onlayn sui-istifadə formaları üçün istifadə edilməsinin qarşısını almaq məqsədilə mühafizə tədbirləri hazırladığını da açıqlayıb.