Qu'est-ce que gpt-realtime-1.5 ?

gpt-realtime-1.5 est le dernier modèle vocal d'OpenAI pour l'API Realtime, conçu pour alimenter des interactions vocales en direct et à faible latence. Il s'appuie sur les fondations des sessions vocales en temps réel en offrant un suivi des instructions plus fiable, un appel d'outils amélioré et une précision multilingue renforcée. Le modèle est optimisé pour les applications nécessitant une connexion persistante où les flux audio entrent et les réponses sortent en quasi-temps réel.

À qui s'adresse-t-il

• Développeurs d'agents vocaux – construisant des assistants capables de répondre aux utilisateurs, d'appeler des outils et de gérer l'état de la conversation en temps réel.
• Équipes d'applications vocales multilingues – créant des applications nécessitant une traduction ou une transcription vocale précise dans plusieurs langues.
• Ingénieurs audio à faible latence – travaillant sur des pipelines audio en direct où chaque milliseconde de délai compte, comme les systèmes d'appels téléphoniques ou les agents vocaux basés sur navigateur.

Fonctionnalités clés

Suivi fiable des instructions

gpt-realtime-1.5 améliore la manière dont le modèle adhère aux instructions système et aux consignes utilisateur lors des sessions en direct. Cela se traduit par moins de réponses hors sujet et un comportement plus cohérent lors de la gestion de flux vocaux complexes.

Appel d'outils en temps réel

Le modèle peut invoquer des outils pendant une session vocale active sans interrompre le flux de la conversation. Cela permet aux agents vocaux de récupérer des données, de mettre à jour des enregistrements ou de déclencher des actions externes pendant que l'utilisateur parle encore.

Précision multilingue améliorée

La gestion des langues est plus précise dans toutes les langues prises en charge, faisant du modèle un choix plus solide pour les sessions de traduction et les agents vocaux multilingues. Cette amélioration réduit les erreurs d'interprétation dans les flux de parole-à-parole en direct.