OpenAI startet GPT-Realtime-2 für intelligentere Live-Stimmeninteraktionen

Technik und Auswirkungen

Der Ansatz ärker auf die Natürlichkeit ächen in längeren Interaktionen zu konzentrieren. Die neuen Modelle können Unterbrechungen verarbeiten, während Anrufe Werkzeuge nutzen und, wie das Unternehmen angibt, „dem Sprecher ".

Live-Übersetzungsfeatures: OpenAI hat zudem GPT-Realtime-Translate eingeführt, ein Modell für Echtzeitübersetzungen, das für mehrsprachige Gespräche konzipiert ist. Das Modell überspricht Sprache aus mehr als 70 Eingabesprachen in 13 Zielsprachen, während es dem Sprecher folgt.

OpenAI positioniert das Modell für Kundensupport, Reisen und mehrsprachige Kommunikationssysteme. Das Unternehmen verweist auf bereits in Entwicklung befindliche Beispiele. Die Deutsche Telekom baut Sprachunterstützungstools, die Kunden ermöglichen, in ihrer bevorzugten Sprache zu sprechen, während die KI Gespräche in Echtzeit übersetzt.

Technik und Auswirkungen

Erweiterung: Die dritte Veröffentlichung, GPT-Realtime-Whisper, konzentriert sich auf die Live-Transkription. Das Modell wandelt Sprache während des Sprechens in Text um und unterstützt damit Streaming-Anwendungen für die Spracherkennung.

OpenAI erklärte, dass das übergeordnete Ziel darin besteht, über einfache Sprachassistenten hinauszuwachsen und Systeme zu entwickeln, die während ächen aktiv Aufgaben erledigen können.

So entwickelt Zillow beispielsweise einen Sprachassistenten, der Wohnungen suchen, Präferenzen filtern und Besichtigungen planen kann – allein auf Basis gesprochener Anfragen.

OpenAI betonte, dass solche Modelle Echtzeit-Audiosysteme näher an Agenten heranführen, die „hören, schlussfolgern, übersetzen, transkribieren und während eines Gesprächs handeln" können.