OpenAI lance trois nouveaux modèles vocaux dans son API pour les développeurs

Ce qu’il faut retenir :

• OpenAI lance trois nouveaux modèles vocaux dans son API : GPT-Realtime-2 pour les conversations, GPT-Realtime-Translate pour la traduction temps réel et GPT-Realtime-Whisper pour la transcription.
• GPT-Realtime-2 intègre les capacités de raisonnement de GPT-5 pour traiter des demandes plus complexes que son prédécesseur GPT-Realtime-1.5.
• La fonction de traduction supporte plus de 70 langues en entrée et 13 langues en sortie, avec des garde-fous contre les abus intégrés au système.

Trois modèles vocaux pour transformer les applications

OpenAI déploie trois nouveaux modèles vocaux dans son API pour permettre aux développeurs de créer des applications capables de parler, transcrire et traduire en temps réel. L’entreprise présente ces outils comme une évolution majeure des interfaces vocales, passant de simples échanges question-réponse à des systèmes capables de raisonner et d’agir pendant une conversation.

Le GPT-Realtime-2 constitue la pièce maîtresse de cette mise à jour. Ce modèle vocal intègre les capacités de raisonnement de GPT-5 pour gérer des demandes utilisateur plus complexes que son prédécesseur GPT-Realtime-1.5. La simulation vocale produite vise un réalisme conversationnel renforcé.

Traduction et transcription en direct intégrées

GPT-Realtime-Translate offre des services de traduction instantanée qui suivent le rythme de la conversation. Le système comprend plus de 70 langues en entrée et peut restituer les traductions dans 13 langues de sortie.

GPT-Realtime-Whisper complète l’ensemble avec des capacités de transcription live, convertissant la parole en texte au fur et à mesure des interactions. Ces trois modèles fonctionnent ensemble pour créer des interfaces capables d’écouter, raisonner, traduire, transcrire et agir simultanément.

Applications ciblées et mesures de sécurité

OpenAI vise prioritairement les entreprises cherchant à étendre leurs capacités de service client, mais identifie également des applications dans l’éducation, les médias, l’événementiel et les plateformes de création. Les secteurs nécessitant des interactions multilingues ou une assistance vocale temps réel représentent les cas d’usage les plus directs.

L’entreprise a intégré des garde-fous pour prévenir l’utilisation abusive de ces fonctionnalités à des fins de spam, de fraude ou d’autres formes d’abus en ligne. Le système peut interrompre automatiquement les conversations qui violent les directives de contenu nuisible d’OpenAI.