OpenAI führt drei Sprachmodelle in seine Realtime-API ein und bietet Entwicklern Werkzeuge für Live-Denken, Sprachübersetzung und Streaming-Transkription, wie das Unternehmen mitteilte.
Die Modelle bewältigen Live-Überlegungen, Sprachübersetzung in über 70 Sprachen und Echtzeit-Transkription über die Realtime-API.
NurPhoto / Getty Images
OpenAI führt drei Sprachmodelle in seine Realtime-API ein und bietet Entwicklern Werkzeuge für Live-Denken, Sprachübersetzung und Streaming-Transkription, wie das Unternehmen mitteilte.
Das erste Modell, GPT-Realtime-2, bringt GPT-5-klassiges Denken in Live-Sprachinteraktionen. OpenAI sagt, das Modell sei so konzipiert, dass Sprachgespräche flüssig bleiben, auch wenn es komplexe Anfragen bearbeitet, Werkzeuginvokationen verwaltet und sich an Unterbrechungen anpasst. Es kostet 32 $ pro 1 Million Audioeingabe-Token – oder 0,40 $ für zwischengespeicherte Eingabe-Token – und 64 $ pro 1 Million Audioausgabe-Token.
Der Schwerpunkt des zweiten Modells, GPT-Realtime-Translate, liegt auf Live-Sprachübersetzung, das Eingaben aus mehr als 70 Sprachen unterstützt und Ausgaben in 13 liefert, ohne den natürlichen Rhythmus eines Gesprächs zu stören. Es kostet 0,034 $ pro Minute.
Das Trio wird abgerundet durch GPT-Realtime-Whisper, ein Modell, das gesprochene Audioinhalte in Echtzeit in Text umwandelt und dabei niedrige Latenzzeiten priorisiert, sodass die Transkription mit den Sprechern Schritt hält. OpenAI nannte Anwendungsfälle wie Bildschirmuntertitel und automatisch generierte Besprechungsnotizen als Beispiele, wo das Modell eingesetzt werden soll. Es kostet 0,017 $ pro Minute.
Alle drei Modelle sind über die Realtime-API von OpenAI verfügbar. Entwickler können sie im OpenAI Playground testen.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.