اوپنایآی از اضافهشدن مجموعهای از ویژگیهای پیشرفته صوتی به API خود خبر داد؛ قابلیتهایی که بهمنظور کمک به توسعهدهندگان برای ساخت نسل جدید اپلیکیشنهای مجهز به تعامل صوتی لحظهای طراحی شدهاند.
محور اصلی این بهروزرسانیها، مدل جدید GPT‑Realtime‑2 است؛ یک مدل صوتی پیشرفته که قادر به تولید گفتار بسیار طبیعی و برقراری مکالمه تعاملی با کاربر است. این مدل برخلاف نسخههای قبلی خود، بر پایه تواناییهای استدلالی نسل جدید ChatGPT‑5 توسعه یافته و به گفته اوپنایآی میتواند فرمانهای پیچیده و دستورات چندمرحلهای کاربران را با دقت بیشتری پردازش کند.
ترجمه همزمان با مدل GPT‑Realtime‑Translate
اوپنایآی همچنین ابزار GPT‑Realtime‑Translate را معرفی کرده است؛ سرویسی که امکان ترجمه لحظهای و همزمان را در هنگام مکالمه فراهم میکند. این مدل از ۷۰ زبان ورودی پشتیبانی کرده و محتوای ترجمهشده را در قالب ۱۳ زبان خروجی به کاربر ارائه میدهد. این سطح از پوشش زبانی، امکان برقراری مکالمه چندزبانه بدون وقفه را برای کاربران و اپلیکیشنها فراهم میکند.
قابلیت رونویسی زنده با GPT‑Realtime‑Whisper
دیگر ابزار معرفیشده، مدل GPT‑Realtime‑Whisper است که امکان تبدیل گفتار به متن را بهصورت زنده و با حداقل تأخیر فراهم میسازد. این قابلیت میتواند در تولید محتوا، دسترسیپذیری، خبرنگاری، جلسات آنلاین و بسیاری از حوزههای دیگر بهکار گرفته شود.
ترکیب گوشدادن، استدلال و پاسخدهی در لحظه
اوپنایآی در توضیح این قابلیتها اعلام کرد: مدلهایی که معرفی کردهایم، صدا را از سطح یک ورودی ساده فراتر برده و آن را به رابطهایی صوتی تبدیل میکنند که واقعاً توانمند هستند. این مدلها میتوانند گوش دهند، استدلال کنند، ترجمه انجام دهند، رونویسی کنند و همزمان با پیشرفت مکالمه واکنش مناسب ارائه دهند.
کاربردهای گسترده در صنایع مختلف
به گفته این شرکت، هرچند هدف اصلی این بهروزرسانیها، کمک به کسبوکارهایی است که قصد دارند خدمات هوشمند مشتری را تقویت کنند، اما دامنه کاربرد این ابزارها بسیار گستردهتر است.
از جمله حوزههای هدف میتوان به موارد زیر اشاره کرد:
- آموزش و یادگیری هوشمند
- رسانه و تولید محتوا
- رویدادها و مدیریت جلسات
- سلامت دیجیتال
- دستیارهای مجازی و ابزارهای بهرهوری
اوپنایآی معتقد است این مجموعه قابلیتها، فصل جدیدی در تعامل کاربر با سیستمهای هوشمند ایجاد میکند و زمینه را برای توسعه اپلیکیشنهای صوتی پیشرفته، مقیاسپذیر و چندزبانه فراهم خواهد کرد.
نظرات کاربران