オープンAI、開発者向けリアルタイム音声APIをリリース

主要発表の概要

OpenAIは、開発者プラットフォームに3つの新しいオーディオモデルを導入しました。これらはアプリケーションプログラミングインターフェース（API）を通じて提供されます。この取り組みは、ソフトウェアエージェントにリアルタイムの会話型音声機能を持たせることを目的としており、従来の文字起こしサービスを超えて、ライブインタラクション中に聞き取り、翻訳、および行動を可能にします。

モデルの機能と価格

新しいモデルには、複雑なリクエストを処理し、長時間の会話でコンテキストを維持するGPT-Realtime-2が含まれており、価格は100万オーディオ入力トークンあたり32ドルからです。GPT-Realtime-Translateは70以上の言語をサポートし、1分あたり0.034ドルです。最後に、GPT-Realtime-Whisperはライブの音声テキスト変換機能を提供し、1分あたり0.017ドルです。

市場への影響と導入状況

この発表は、OpenAIがインタラクティブな音声エージェント市場への拡大を意味します。不動産マーケットプレイスのZillow、旅行代理店のPriceline、通信会社のDeutsche Telekomなど、主要企業がすでにこの技術をテストしています。この早期導入は、顧客サービス、旅行、その他即時の音声インタラクションを必要とする分野全体にわたる潜在的な破壊的影響を示唆しています。

結論

OpenAIの新しいオーディオAPIは、より高度な音声ベースのAIアプリケーションに向けた重要な一歩となります。市場は、開発者がこれらのツールをどのように統合し、消費者向けおよび企業向けソフトウェアのパフォーマンスにどのような影響を与えるか注目するでしょう。今後の開発は、言語サポートの拡大とレイテンシの削減に焦点を当てる可能性が高いです。

よくある質問

Q: OpenAIの新しいオーディオモデルは何ですか？
A: 新しいモデルは、複雑な会話のためのGPT-Realtime-2、ライブ翻訳のためのGPT-Realtime-Translate、リアルタイムの音声テキスト変換のためのGPT-Realtime-Whisperです。

Q: 現在、どの企業がこれらのモデルを使用していますか？
A: 早期テスターにはZillow、Priceline、Deutsche Telekomが含まれており、幅広い業界の関心を示しています。

出典: Reuters