A OpenAI apresentou três novos modelos de voz que funcionam em tempo real enquanto o usuário fala, com o objetivo de agilizar a realização de tarefas, traduzir conversas e discursos e fornecer transcrições.
Os modelos GPT-Realtime foram projetados para que os desenvolvedores criem novas "aplicações de voz" que ofereçam experiências de áudio em tempo real, em vez de reagir às solicitações dos usuários.
Para a empresa, trata-se de um avanço na interação com agentes, que exige que eles compreendam o contexto da conversa que mantêm com as pessoas a todo momento.
Jonathan Raa/NurPhoto
OpenAI
A OpenAI apresentou três novos modelos de voz que funcionam em tempo real enquanto o usuário fala, com o objetivo de agilizar a realização de tarefas, traduzir conversas e discursos e fornecer transcrições.
Os modelos GPT-Realtime foram projetados para que os desenvolvedores criem novas “aplicações de voz” que ofereçam experiências de áudio em tempo real, em vez de reagir às solicitações dos usuários.
Para a empresa, trata-se de um avanço na interação com agentes, que exige que eles compreendam o contexto da conversa que mantêm com as pessoas a todo momento, para se adaptarem às mudanças que possam surgir. Para isso, ela lançou três novos modelos de voz, pertencentes à família GPT-Realtime, conforme informado em um comunicado.
O GPT-Realtime-2 oferece um raciocínio no nível do GPT-5 para gerenciar solicitações mais complexas (como analisar uma solicitação, acionar ferramentas ou gerenciar correções ou interrupções) enquanto acompanha a conversa natural.
A este modelo junta-se o GPT-Realtime-Translate, de tradução em tempo real, que traduz a fala de mais de 70 idiomas de entrada para 13 idiomas de saída, mantendo o ritmo do usuário. A OpenAI o desenvolveu para “criar experiências de voz multilíngues ao vivo” em atendimento ao cliente, educação, eventos ou mídia, entre outros.
Também o GPT-Realtime-Whisper, um novo sistema de conversão de voz em texto em tempo real com baixa latência, que transcreve a fala enquanto o usuário está falando.
“Os modelos que estamos lançando transformam o áudio em tempo real, passando de um simples sistema de pergunta e resposta para interfaces de voz que realmente podem realizar tarefas: ouvir, raciocinar, traduzir, transcrever e agir à medida que uma conversa se desenvolve”, afirmou a empresa.
GM mira em nova química de baterias para impulsionar seus negócios de data centers com IA e armazenamento de energia 
