OpenAI, səsli AI bazarında artan rəqabətə cavab olaraq yeni gpt-realtime modelini təqdim etdi. Bu model, daha təbii və ifadəli səslər yaratmaqla yanaşı, kompleks təlimatlara riayət etmə xüsusiyyətinə malikdir. Səsli AI texnologiyası müştəri xidmətləri və real vaxt tərcümə kimi sahələrdə geniş istifadə olunur.

OpenAI-nin gpt-realtime modeli

OpenAI-nin yeni modeli, Realtime API üzərindən əlçatan olacaq. Şirkət, həmçinin Cedar və Marin adlı yeni səslər təqdim edib və mövcud səsləri yeniləyib. OpenAI-nin canlı yayımlarında müştəriləri olan T-Mobile və Zillow, modelin imkanlarını nümayiş etdirib. T-Mobile, müştərilərə yeni telefon seçməyə kömək edən AI agentini, Zillow isə müştərilərə uyğun məhəllə tapmaq üçün dəstək verən AI agentini təqdim edib.

Səsdən-səsə modellər

Model, səsdən-səsə çərçivəsində işləyir və danışıq sorğularını anlayaraq vokal şəkildə cavab verir. Bu texnologiya, müştəri xidmətləri kimi real vaxt tətbiqləri üçün idealdır. Modelin ən inkişaf etmiş xüsusiyyətlərindən biri, kompleks təlimatları izləmək və müxtəlif dillərdə danışmaq bacarığıdır.

Rəqabət və texnologiya yenilikləri

OpenAI-nin gpt-realtime modeli, ElevenLabs, Soundhound və Hume kimi rəqiblərin təqdim etdiyi modellərlə rəqabət aparır. Məsələn, ElevenLabs Conversation AI 2.0 modelini, Soundhound isə AI səsli drive-thru texnologiyasını təqdim edib. Google da NotebookLM platformasında audio xüsusiyyətləri ilə bazarda aktivdir.

İstifadə və qiymət siyasəti

OpenAI, gpt-realtime modelini daha ağıllı və istifadəçi dostu etmək üçün təlimatlara riayət etmə qabiliyyətini artırıb. Model, MultiChallenge audio benchmark testində 30.5% nəticə göstərib. API yenilikləri ilə OpenAI, daha geniş tətbiq sahələri üçün imkanlar təqdim edir. Realtime API artıq MCP dəstəyi və SIP protokolu ilə daha funksionaldır. OpenAI, qiymətləri 20% endirərək modeldən istifadəni daha əlçatan edib.

Bu yeniliklər, səsli AI bazarında OpenAI-nin mövqeyini gücləndirərək, müştərilərə daha təbii və funksional həllər təqdim edir.