Tag
4 件の関連記事
Simon Willisonは2026年6月12日(現地時間)、自身が開発する「OpenAI WebRTC Audio Session」ツールの更新版を公開した。このツールは、OpenAIが先月発表した新たなリアルタイム音声モデル「GPT‑Realtime‑2」に対応し、ユーザーが大量の文書コンテキストを貼り付け、その内容について音声で対話できる機能を加えた。今回の更新により、開発者は自らのアプリケーションに高度なリアルタイム音声対話機能と文書解析能力を統合し、専門分野での効率化や新たなサービス創出の可能性を探ることが期待される。
OpenAIは2026年5月7日(現地時間)、開発者向けAPIを通じて3種類の新たなリアルタイム音声モデルの提供を開始すると発表した。これらのモデルは、利用者の発話を推論し、リアルタイムでの翻訳や書き起こし、さらに複雑な会話の継続を可能にすることで、音声AIの能力を大幅に拡張する。新モデルのラインナップは、高度な推論能力を持つ「GPT-Realtime-2」、ライブ翻訳に対応する「GPT-Realtime-Translate」、そしてストリーミング音声テキスト変換を行う「GPT-Realtime-Whisper」で構成される。
OpenAIは2026年5月8日(現地時間)、3つの新しいストリーミング音声モデル「GPT-Realtime-2」「GPT-Realtime-Translate」「GPT-Realtime-Whisper」をRealtime APIでリリースしました。同社はGPT-Realtime-2を「最もインテリジェントな音声モデル」と位置付け、GPT-5クラスの推論能力をリアルタイム音声エージェントに提供すると説明しています。GPT-Realtime-Translateは70以上の入力言語から13の出力言語へのストリーミング翻訳をサポートし、GPT-Realtime-Whisperは音声が生成されると同時に文字起こしやキャプションを提供します。
オープンAI（OpenAI）は5月7日（現地時間）、開発者向けAPIに3種の音声モデルを追加したと発表した。新たに提供されるのは、GPT-5クラスの推論能力を持つリアルタイム音声モデル「GPT-Realtime-2」、70以上の言語を入力として受け付けるリアルタイム多言語変換モデル「GPT-Realtime-Translate」、ストリーミング形式で音声をテキスト化する「GPT-Realtime-Whisper」の3種。いずれも開発者が自然な会話に基づく音声応用システムを構築するための基盤として位置付けられている。