OpenAI、次世代音声API群を発表

OpenAIは、開発者向けに次世代の音声処理を可能にするRealtime API向けの新機能群を発表しました。

新たに発表された GPT-Realtime-2 は、 GPT-5 クラスの推論能力を備え、12万8000トークンのコンテキストウィンドウに対応しており、複雑な要求を処理しながら自然な会話が可能です。 さらに、70以上の言語を13言語にリアルタイムで同時通訳する GPT-Realtime-Translate や、即時の文字起こしを実現する GPT-Realtime-Whisper も追加されました。 これらのAPI群は、音声をソフトウェア操作の自然なインターフェースとしてより一層普及させることを目的として提供されています。