OpenAI adiciona recursos avançados de voz e tradução em tempo real à sua API

A OpenAI anunciou na quinta-feira a disponibilização de três novos recursos de inteligência de voz em sua API, permitindo que desenvolvedores construam aplicações capazes de conversar, transcrever e traduzir em tempo real.

Modelos lançados

O GPT-Realtime-2 representa a evolução dos modelos de voz da empresa, incorporando capacidades de raciocínio de classe GPT-5 para lidar com solicitações mais complexas dos usuários. Diferente de sua versão anterior (GPT-Realtime-1.5), o novo modelo foi desenvolvido para criar simulações vocais realistas com processamento mais sofisticado.

Já o GPT-Realtime-Translate oferece tradução simultânea que acompanha o ritmo da conversa, suportando mais de 70 idiomas de entrada e 13 idiomas de saída. O terceiro recurso, GPT-Realtime-Whisper, proporciona transcrição ao vivo, convertendo fala em texto conforme as interações acontecem.

Aplicações e segurança

Embora sistemas de atendimento ao cliente sejam beneficiários óbvios dessas ferramentas, a OpenAI destaca que os recursos também atendem setores como educação, mídia, eventos e plataformas de criadores de conteúdo. A companhia implementou proteções para prevenir uso indevido, com gatilhos que interrompem conversas quando detectam violações das diretrizes de conteúdo prejudicial.

Todos os três modelos estão disponíveis na API Realtime da OpenAI, com cobrança por minuto para os recursos de tradução e transcrição, e por consumo de tokens para o GPT-Realtime-2.