OpenAI, perusahaan pengembang ChatGPT, merilis tiga model audio baru untuk memperkuat layanan kecerdasan buatan (AI) berbasis suara. Tiga model tersebut adalah GPT-Realtime-2, GPT-Realtime-Translate, dan GPT-Realtime-Whisper.
Salah satu yang menjadi sorotan adalah GPT-Realtime-Translate, yang dirancang untuk menerjemahkan percakapan secara langsung dua arah. OpenAI menyebut model ini mendukung lebih dari 70 bahasa sebagai input dan 13 bahasa sebagai output, sehingga dua orang dapat berbicara dengan bahasa berbeda dan tetap berkomunikasi secara lancar. Dalam skenario penggunaan, masing-masing pihak bisa berbicara menggunakan bahasa ibu, sementara sistem menerjemahkan percakapan secara realtime kepada lawan bicara.
OpenAI menyatakan teknologi tersebut dibuat untuk dapat “mengimbangi” kecepatan percakapan secara natural, termasuk saat pengguna berbicara cepat, berpindah konteks, atau menggunakan istilah regional. Model ini disebut cocok untuk berbagai kebutuhan, mulai dari layanan pelanggan, pendidikan, acara internasional, media, hingga platform kreator.
Startup AI asal India, BolnaAI, turut mengklaim performa model ini, dengan menyebut tingkat kesalahan kata (Word Error Rate/WER) 12,5 persen lebih rendah dibanding model lain yang mereka uji, khususnya untuk bahasa Hindi, Tamil, dan Telugu.
Sementara itu, GPT-Realtime-Whisper merupakan model speech-to-text yang ditujukan untuk menyalin ucapan secara realtime dengan latensi rendah. OpenAI menyebut teknologi ini dapat menampilkan teks langsung saat seseorang berbicara, sehingga dapat digunakan untuk caption rapat, kelas online, siaran langsung, hingga pencatatan otomatis.
Selain transkripsi, OpenAI juga menyatakan GPT-Realtime-Whisper dapat dimanfaatkan untuk membuat ringkasan rapat otomatis, membantu layanan pelanggan, tenaga kesehatan, perekrutan, hingga pengembangan agen AI berbasis suara.
OpenAI menjelaskan bahwa GPT-Realtime-Translate dan GPT-Realtime-Whisper ditenagai oleh GPT-Realtime-2, model suara baru yang disebut memiliki kemampuan penalaran setara GPT-5. Model ini dirancang untuk menangani percakapan kompleks, memahami konteks lebih panjang, serta menjalankan berbagai tugas sambil menjaga percakapan tetap natural.
Dalam pembaruan ini, OpenAI juga meningkatkan context window dari 32K menjadi 128K, yang ditujukan agar sistem dapat mengingat percakapan lebih panjang dan menangani tugas yang lebih rumit.
