Beatingによると、OpenAIはRealtime APIで3つの音声モデルをリリースしました。音声会話向けのGPT-Realtime-2（推論付き）、リアルタイム翻訳のGPT-Realtime-Translate、ストリーミング文字起こしのGPT-Realtime-Whisperです。GPT-Realtime-2は、推論能力においてGPT-5レベルを備えたOpenAI初の音声モデルで、コンテキストウィンドウを32Kから128Kトークンに拡張し、最大1-2時間の密な会話をサポートします。
GPT-Realtime-2は、GPT-Realtime-1.5と比べてBig Bench Audioベンチマークで15.2%改善し、Audio MultiChallengeで13.8%改善しました。GPT-Realtime-Translateは、70+の入力言語から13の出力言語への翻訳をサポートします。料金：GPT-Realtime-2は入力トークン$32/million、出力トークン$64/million。Translateは$0.034/分、Whisperは$0.017/分です。
Related News
