إطلاق نماذج OpenAI الصوتية في الوقت الفعلي لأدوات صوتية متقدمة

اعتبارًا من 9 مايو 2026، أطلقت أوبن إيه آي ثلاثة نماذج صوتية جديدة في الوقت الفعلي إلى واجهة برمجة التطبيقات. يتعامل GPT-Realtime-2 مع الاستدلال الحواري المتقدم. يغطي GPT-Realtime-Translate أكثر من 70 لغة على الفور. يركز GPT-Realtime-Whisper على النسخ المباشر بدقة عالية. تستهدف هذه الخطوة المطورين الذين يبنون وكلاء صوتيين للدعم والتعليم والأتمتة. شريك مبكر مثل Zillow يختبر بالفعل المكدس. بالنسبة للمبدعين، يعني ذلك طبقات صوتية أسرع وأكثر طبيعية للفيديو والوكلاء والمشاريع التفاعلية. لا حاجة للضجيج — تبدو التحديثات كاستجابة مباشرة للطلب على خطوط أنابيب متعددة الوسائط أكثر سلاسة.

انظر، غالبًا ما كانت أدوات أوبن إيه آي الصوتية السابقة تتأخر في المحادثات الحقيقية. تقلل هذه النماذج الجديدة من التأخير بشكل ملحوظ مع تعزيز الاحتفاظ بالسياق. قفزت دقة الترجمة عبر اللغات، ويتعامل النسخ المباشر مع اللهجات والضوضاء الخلفية بشكل أفضل من إعداد Whisper القديم. الشيء هو: تأتي المكاسب من التكامل الأوثق مع مكدس GPT الأوسع. هذا مهم لأي شخص يدمج الصوت في سير عمل أطول. من الرائع كيف يتحرك المجال بسرعة عندما ينتقل التركيز من العروض التوضيحية إلى الاستخدام الإنتاجي الفعلي.

يمكن للمبدعين الآن إضافة سرد أو حوار طبيعي إلى فيديو الذكاء الاصطناعي دون معالجة لاحقة مرهقة. تصبح الوكلاء أكثر استجابة في تطبيقات السرد. يحصل المحتوى التفاعلي على دفعة من الترجمة والنسخ المباشر الذي يواكب فعليًا. التطورات الصوتية في الوقت الفعلي مثل هذه هي بالضبط ما يشغل مولدات فيديو الذكاء الاصطناعي من الجيل التالي — مما يتيح حوارًا سلسًا وسردًا وتجارب متعددة الوسائط تفاعلية للمبدعين. يتم بالفعل تطبيق التطورات في الذكاء الاصطناعي متعدد الوسائط على إنشاء المحتوى للبالغين. لن أكذب — ستظهر أكبر المكاسب في التجارب المدفوعة بالوكلاء حيث يهم التوقيت والنبرة فعليًا.

النماذج متاحة في واجهة برمجة التطبيقات اعتبارًا من إعلان 8 مايو. يتم طرح الوصول المبكر للمطورين الذين لديهم حسابات أوبن إيه آي موجودة. لا يوجد خبر بعد عن جداول الطرح العام الواسع. ابدأ بـ GPT-Realtime-2 للاختبارات الحوارية وGPT-Realtime-Whisper لمعايير النسخ. يجب على المبدعين الذين يبنون خطوط أنابيب الفيديو التحقق من كيفية تعامل نموذج الترجمة مع تسليم السيناريوهات عبر اللغات. ستظهر القيود حول الحالات الحدية مثل اللهجات الثقيلة أو الكلام السريع بسرعة في الاختبارات الحقيقية.