OpenAI, yeni nesil sesli etkileşim teknolojisini gpt-realtime modeliyle duyurdu. Şirket, önceki sürümlere göre daha gelişmiş özellikler sunan modelin hem performans hem de fiyat açısından öne çıktığını açıkladı.
Yeni Model Daha Akıcı Bir İletişim Sağlıyor
OpenAI, 2024 yılında tanıttığı Realtime API ile geliştiricilere düşük gecikmeli sesli deneyimler oluşturma imkânı verdi. Yeni tanıtılan gpt-realtime modeli, karmaşık komutları daha iyi anlaması ve hata oranı düşük araç çağrılarıyla öne çıkıyor. Şirket, modelin ses üretiminde daha doğal ve akıcı bir deneyim sunduğunu belirtti.
İlk etapta 6 farklı ses seçeneğiyle sunulan Realtime API, zamanla iki yeni ses kazanmıştı. OpenAI, gpt-realtime ile birlikte Marin ve Cedar isimli iki yeni sesi daha tanıttı. Ayrıca mevcut seslerin de daha gerçekçi ve doğal hale getirildiği açıklandı.
Yeni model, farklı değerlendirme testlerinde önceki sürümlerden daha yüksek başarı elde etti. Big Bench Audio testinde yüzde 82,8 doğruluk oranına ulaşan model, aralık ayında duyurulan sürümün yüzde 65,6 seviyesini geride bıraktı. MultiChallenge testinde yüzde 30,5’e ulaşan gpt-realtime, bir önceki modelin yüzde 20,6 sonucunu geçti. ComplexFuncBench testinde ise yüzde 66,5 başarı elde edildi.
OpenAI, modelin yanında API tarafında da çeşitli yenilikler sundu. Realtime API artık uzak MCP sunucularını, görsel girişleri ve Session Initiation Protocol (SIP) üzerinden telefon görüşmelerini destekliyor. Ayrıca geliştiriciler, hazırladıkları komutları kaydedip yeniden kullanma imkânına kavuştu.
Performans artışına rağmen API’nin fiyatı düşürüldü. Yeni gpt-realtime modeli, gpt-4o-realtime-preview sürümüne göre yüzde 20 daha ucuz oldu. OpenAI, 1 milyon sesli giriş için 32 dolar, 1 milyon sesli çıkış için ise 64 dolar fiyat belirledi. Şirket, bu adımla geliştiricilerin ses odaklı projelerine daha kolay erişim sağlayacağını ifade etti.
