OpenAI、APIにGPT-Realtime-2と翻訳機能をリリース
OpenAIはリアルタイムAPIに3つの新しい音声モデルを追加した。gpt-realtime-2はGPT-5クラスの推論能力を備え、gpt-realtime-translateは70以上の入力言語をサポート、gpt-realtime-whisperはリアルタイム音声文字起こしを提供する。モデルはカスタマーサービスや教育のユースケースを対象としており、悪用や詐欺に対するガードレールも含まれている。
OpenAI expanded its Realtime API with three new voice intelligence models. GPT-Realtime-2 utilizes GPT-5-class reasoning to handle complex user requests, while GPT-Realtime-Translate supports over 70 input and 13 output languages. A third model, GPT-Realtime-Whisper, provides live speech-to-text transcription. These tools aim to shift interfaces from simple call-and-response to systems that can reason and act during conversations. The company implemented guardrails to prevent spam, fraud, and policy violations. Billing varies by model, with Translate and Whisper charged by the minute and GPT-Realtime-2 by token consumption.