OpenAI、GPT-5レベルの推論能力を備えた3つのリアルタイム音声モデルを発表

AI大手のOpenAIは、3つの新しいリアルタイム音声モデル「GPT-Realtime-2」、「GPT-Realtime-Translate」、「GPT-Realtime-Whisper」を正式にリリースし、音声技術の新たな地平を切り拓きました。 これらのモデルは現在、開発者向けのRealtime APIに統合されており、高遅延、自然な割り込み処理の欠如、多言語対応の問題など、音声インタラクションにおける一般的な課題の解決を目指しています。
今回のリリースで特に注目されるのは「GPT-Realtime-2」です。これは、現時点で最も知能の高いAI音声モデルであり、GPT-5レベルの推論能力を備えた初の音声ツールとされています。 従来の音声アシスタントとは異なり、極めて自然で滑らかな会話を可能にすると同時に、リアルタイムでの論理的推論を実行し、外部ツールをシームレスに呼び出し、ユーザーによる割り込みや訂正を正確に検出して対応することができます。この画期的な進歩は、将来の音声アシスタントが単なるコマンド実行ツールから、多段階の複雑なタスクを管理できるリアルタイムの協働パートナーへと進化することを示唆しています。
GPT-Realtime-2の価格は、音声入力の場合、100万トークンあたり32ドル(約218人民元)、出力の場合は100万トークンあたり64ドル(約436人民元)に設定されています。キャッシュされた入力のコストは、100万トークンあたりわずか0.4ドルと、大幅に低くなっています。
中核となる推論モデルに加え、他の2つの機能モデルもそれぞれ独自の能力を備えています。GPT-Realtime-Translateは優れた翻訳性能を発揮し、70の入力言語と13の出力言語にわたるリアルタイム変換に対応しています。その翻訳速度は話者のペースにほぼ追従するため、国際会議のような要求の厳しいリアルタイムコミュニケーションの場面に最適です。 一方、GPT-Realtime-Whisperは、超低遅延のストリーミング文字起こしに重点を置いており、「音声が話者の動きに追従する」ような体験を提供することで、会議の議事録やライブ字幕の待ち時間を大幅に短縮します。これら2つのモデルはより柔軟な課金体系を採用しており、それぞれ1分あたり0.034ドルおよび0.017ドルで課金されます。
業界アナリストらは、OpenAIの今回の動きを、AI音声インタラクションが「単純な応答」から「深いリアルタイム理解」へと移行する兆候と捉えており、これによりインテリジェント時代における同社の技術的リーダーシップがさらに確固たるものになると見ています。
関連記事
AmazonはOpenAIおよびAnthropicに続き、10億ドル規模のFDE組織を設立した。
企業がAIの統合に苦戦する中、外部の専門家に頼る動きが広がり、サービスプロバイダーは成功した実装を確保するために専門チームを設立している。火曜日、Amazon Web Services(AWS)は、AIに特化したフォワードデプロイされたエンジニアに専念する新しい内部ユニットを発表した。これらのエンジニアは、顧客組織に組み込まれ、目的に特化したエージェントを展開し、迅速な展開を優先し、顧客が自律的に運用できるように支援する。新しい組織に関する投稿で、AWSのフロンティアAI担当バイスプレジデン
ホワイトハウス、「スーパーインテリジェンス」のAIラベルを廃止
プレイヤーを読み込み中…今週、ホワイトハウスはザッカーバーグ、ベゾス、マスク、そしてAnthropicのダリオ・アモダイなど、主要なテック企業のCEOをほぼ全員一堂に会させて、ドナルド・トランプ大統領が「道徳的に拘束力がある」と表現したAI安全に関する誓約書に署名させた。トランプ氏はまた、AIを「スーパーインテリジェンス」に名称変更する行政命令にも署名した。他方、MetaとOpenAIは、AIへの最大の金融投資が依然として企業部門から流入しているにもかかわらず、AI製品をよりユーザーフレンドリ
アマゾン、データセンターの拡張にAIとクリーンエネルギーを活用
アマゾンは、AI、原子力、電気自動車を活用し、インフラを拡大しつつ炭素強度を低減している。出典:アマゾンアマゾンの「2025年サステナビリティ報告書」では、このテクノロジー大手がAIと原子力への投資をどのように統合し、炭素排出量を削減しながらグローバルなインフラを拡大しているかが詳述されている。アマゾンの「2025年サステナビリティ報告書」によると、同社は3年連続で、世界中の事業で消費する電力の1
関連特集おすすめ
コメント (0)
0/500

AI大手のOpenAIは、3つの新しいリアルタイム音声モデル「GPT-Realtime-2」、「GPT-Realtime-Translate」、「GPT-Realtime-Whisper」を正式にリリースし、音声技術の新たな地平を切り拓きました。 これらのモデルは現在、開発者向けのRealtime APIに統合されており、高遅延、自然な割り込み処理の欠如、多言語対応の問題など、音声インタラクションにおける一般的な課題の解決を目指しています。
今回のリリースで特に注目されるのは「GPT-Realtime-2」です。これは、現時点で最も知能の高いAI音声モデルであり、GPT-5レベルの推論能力を備えた初の音声ツールとされています。 従来の音声アシスタントとは異なり、極めて自然で滑らかな会話を可能にすると同時に、リアルタイムでの論理的推論を実行し、外部ツールをシームレスに呼び出し、ユーザーによる割り込みや訂正を正確に検出して対応することができます。この画期的な進歩は、将来の音声アシスタントが単なるコマンド実行ツールから、多段階の複雑なタスクを管理できるリアルタイムの協働パートナーへと進化することを示唆しています。
GPT-Realtime-2の価格は、音声入力の場合、100万トークンあたり32ドル(約218人民元)、出力の場合は100万トークンあたり64ドル(約436人民元)に設定されています。キャッシュされた入力のコストは、100万トークンあたりわずか0.4ドルと、大幅に低くなっています。
中核となる推論モデルに加え、他の2つの機能モデルもそれぞれ独自の能力を備えています。GPT-Realtime-Translateは優れた翻訳性能を発揮し、70の入力言語と13の出力言語にわたるリアルタイム変換に対応しています。その翻訳速度は話者のペースにほぼ追従するため、国際会議のような要求の厳しいリアルタイムコミュニケーションの場面に最適です。 一方、GPT-Realtime-Whisperは、超低遅延のストリーミング文字起こしに重点を置いており、「音声が話者の動きに追従する」ような体験を提供することで、会議の議事録やライブ字幕の待ち時間を大幅に短縮します。これら2つのモデルはより柔軟な課金体系を採用しており、それぞれ1分あたり0.034ドルおよび0.017ドルで課金されます。
業界アナリストらは、OpenAIの今回の動きを、AI音声インタラクションが「単純な応答」から「深いリアルタイム理解」へと移行する兆候と捉えており、これによりインテリジェント時代における同社の技術的リーダーシップがさらに確固たるものになると見ています。
AmazonはOpenAIおよびAnthropicに続き、10億ドル規模のFDE組織を設立した。
企業がAIの統合に苦戦する中、外部の専門家に頼る動きが広がり、サービスプロバイダーは成功した実装を確保するために専門チームを設立している。火曜日、Amazon Web Services(AWS)は、AIに特化したフォワードデプロイされたエンジニアに専念する新しい内部ユニットを発表した。これらのエンジニアは、顧客組織に組み込まれ、目的に特化したエージェントを展開し、迅速な展開を優先し、顧客が自律的に運用できるように支援する。新しい組織に関する投稿で、AWSのフロンティアAI担当バイスプレジデン
ホワイトハウス、「スーパーインテリジェンス」のAIラベルを廃止
プレイヤーを読み込み中…今週、ホワイトハウスはザッカーバーグ、ベゾス、マスク、そしてAnthropicのダリオ・アモダイなど、主要なテック企業のCEOをほぼ全員一堂に会させて、ドナルド・トランプ大統領が「道徳的に拘束力がある」と表現したAI安全に関する誓約書に署名させた。トランプ氏はまた、AIを「スーパーインテリジェンス」に名称変更する行政命令にも署名した。他方、MetaとOpenAIは、AIへの最大の金融投資が依然として企業部門から流入しているにもかかわらず、AI製品をよりユーザーフレンドリ
アマゾン、データセンターの拡張にAIとクリーンエネルギーを活用
アマゾンは、AI、原子力、電気自動車を活用し、インフラを拡大しつつ炭素強度を低減している。出典:アマゾンアマゾンの「2025年サステナビリティ報告書」では、このテクノロジー大手がAIと原子力への投資をどのように統合し、炭素排出量を削減しながらグローバルなインフラを拡大しているかが詳述されている。アマゾンの「2025年サステナビリティ報告書」によると、同社は3年連続で、世界中の事業で消費する電力の1





家






