🎧 OpenAI выпустила три новых голосовых модели с уровнем рассуждений GPT-5

OpenAI представила GPT-Realtime-2, GPT-Realtime-Translate и GPT-Realtime-Whisper - новое поколение голосовых моделей, способных рассуждать, переводить и транскрибировать в реальном времени. Компания заявила, что прежние голосовые модели были значительно слабее текстовых, особенно в задачах, требующих глубокого анализа. Теперь голос становится полноценным интерфейсом.

Центральная модель - GPT-Realtime-2 - приносит в голосовые диалоги уровень рассуждений, сопоставимый с GPT-5. Контекстное окно выросло с 32 000 до 128 000 токенов, что позволяет вести более длинные и сложные беседы. Модель умеет вызывать несколько инструментов параллельно и сообщать о ходе работы фразами вроде «дайте проверить». При ошибках она не замолкает, а говорит «у меня сейчас с этим трудности». Разработчики могут настраивать интенсивность рассуждений по пяти уровням - от минимального до максимального. На высоком уровне точность на бенчмарке Big Bench Audio достигла 96,6% против 81,4% у предшественника.

GPT-Realtime-Translate - отдельная модель для живого перевода, поддерживающая более 70 входных и 13 выходных языков. Она сохраняет смысл даже при смене контекста, региональных акцентах и специальной лексике. GPT-Realtime-Whisper - модель для потоковой транскрипции, подходящая для субтитров на встречах, в классах и на трансляциях. Все три модели доступны через Realtime API. Цены: GPT-Realtime-2 - $32 за миллион аудиовходных токенов, GPT-Realtime-Translate - $0,034 за минуту, GPT-Realtime-Whisper - $0,017 за минуту.

#Ai #OpenAI #VoiceModels #RealtimeAPI