AIToday
大規模言語モデル音声・スピーチAIビジネス・産業Latent Space掲載日時: 2026年5月8日 19:00

OpenAIが音声AIの新モデル3種を発表、GPT-Realtime-2は128Kトークンコンテキストとマルチツール対応を実装

LINEで送る
OpenAIが音声AIの新モデル3種を発表、GPT-Realtime-2は128Kトークンコンテキストとマルチツール対応を実装

3つのポイント

  1. OpenAIはRealtime APIで3つの新しいストリーミング音声モデルを提供開始:GPT-Realtime-2(音声対音声推論エージェント向け)、GPT-Realtime-Translate(70以上の入力言語から13の出力言語への同時翻訳対応)、GPT-Realtime-Whisper(ストリーミング文字起こし・キャプション対応)

  2. GPT-Realtime-2はコンテキストウィンドウを32Kから128Kに拡張、最大出力トークン32K対応。複数ツール同時実行、割り込み復帰、推論レベル調整(minimal/low/medium/high/xhigh)が可能で、最小推論時の音声応答開始時間は1.12秒

  3. Scale AIのAudio MultiChallenge S2Sリーダーボードで第1位、指示保持率はGPT-Realtime-1.5比で36.7%から70.8% APRに向上。Artificial AnalysisがBig Bench Audioで96.6%を報告。価格は入力$1.15/時間、出力$4.61/時間(変更なし)

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

Latent Space元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

関連記事

次の記事へRocsysが重機電動車向けの次世代ハンズフリー充電システム「S2」を発表