Spraakagenten waren duur in gebruik en pijnlijk om te orkestreren, niet omdat de modellen geen gesprekken aankunnen, maar omdat contextplafonds bedrijven dwongen om sessie-reset-, statuscompressie- en reconstructielagen in elke implementatie in te bouwen. De drie nieuwe stemmodellen van OpenAI zijn ontworpen om die overhead te verminderen, en ze veranderen de manier waarop ingenieurs kunnen nadenken over het inbouwen van stem in een grotere agentenstapel.
GPT-Realtime-2, GPT-Realtime-Translate en GPT-Realtime-Whisper integreren real-time audio in de modelbeheerstack als discrete orkestratieprimitieven – waarbij conversatieredenering, vertaling en transcriptie worden gescheiden in gespecialiseerde componenten in plaats van ze te bundelen in een enkel stemproduct.
Het bedrijf zei binnen een blogpost dat Realtime-2 het eerste stemmodel is “met GPT-5-klasseredenering” en moeilijke verzoeken kan afhandelen en gesprekken op natuurlijke wijze kan laten verlopen. Realtime-Translate begrijpt meer dan 70 talen en vertaalt deze in 13 andere talen in het tempo van de spreker, en Realtime-Whisper is het nieuwe spraak-naar-tekst-transcriptiemodel.
Deze drie acties zitten niet langer in één stapel of model. GPT-Realtime-2 zou technisch gezien de transcriptie kunnen verwerken, maar OpenAI stuurt verschillende taken naar gespecialiseerde modellen: Realtime-Translate voor meertalige spraak en Realtime-Whisper voor transcriptie. Bedrijven kunnen elke taak aan het juiste model toewijzen in plaats van alles via één allesomvattend spraaksysteem te laten verlopen.
De nieuwe OpenAI-modellen concurreren met Mistral’s Voxtral-modellendie ook transcriptie- en doelgebruiksscenario’s voor ondernemingen scheidt.
Wat bedrijven zouden moeten doen
Steeds meer bedrijven zien de waarde van stemagenten nu steeds meer mensen zich op hun gemak voelen bij het praten met een AI-agent, en ook vanwege de rijkdom aan gegevens uit stemklantinteracties.
Organisaties die deze modellen evalueren, zullen rekening moeten houden met hun orkestratiearchitectuur, en niet alleen met de kwaliteit van het model. Met name of hun stack discrete stemtaken kan routeren naar gespecialiseerde modellen en de status kan beheren binnen een contextvenster van 128.000 tokens.
