Pembuat chatbot ChatGPT, OpenAI, secara resmi memperkenalkan tiga model audio mutakhir guna memperkuat layanan kecerdasan buatan (AI) berbasis suara. Ketiga inovasi tersebut mencakup GPT-Realtime-2, GPT-Realtime-Translate, dan GPT-Realtime-Whisper.
Dilansir dari Tekno, kehadiran model-model baru ini bertujuan untuk menciptakan interaksi manusia dengan mesin yang lebih responsif. Salah satu fitur unggulannya adalah kemampuan penerjemahan dua arah secara langsung yang mendukung kelancaran komunikasi lintas bahasa.
Model GPT-Realtime-Translate menonjol karena kemampuannya menangani lebih dari 70 bahasa input dan 13 bahasa output. Teknologi ini memungkinkan dua orang dengan bahasa ibu berbeda untuk berinteraksi secara lancar tanpa hambatan komunikasi yang berarti.
OpenAI merancang sistem ini agar dapat mengimbangi kecepatan bicara manusia yang dinamis. Kecerdasan buatan tersebut diklaim tetap akurat meski pengguna berbicara dengan tempo cepat, mengubah konteks pembicaraan secara mendadak, atau menggunakan dialek regional tertentu.
Pemanfaatan teknologi ini diproyeksikan sangat luas, mulai dari sektor layanan pelanggan dan pendidikan hingga platform kreator konten. BolnaAI, sebuah startup asal India, melaporkan bahwa model ini memiliki tingkat kesalahan kata (WER) 12,5 persen lebih rendah pada bahasa seperti Hindi, Tamil, dan Telugu.
Transkripsi Instan Melalui GPT-Realtime-Whisper
Selain penerjemahan, OpenAI menghadirkan GPT-Realtime-Whisper yang berfokus pada pengubahan ucapan menjadi teks (speech-to-text). Model ini memiliki keunggulan pada latensi atau jeda waktu yang sangat rendah saat melakukan penyalinan suara.
Kemampuan memunculkan teks secara instan saat seseorang berbicara membuatnya sangat ideal untuk kebutuhan caption rapat atau kelas daring. Selain itu, model ini dapat diandalkan untuk pembuatan ringkasan pertemuan otomatis serta membantu efisiensi kerja tenaga kesehatan dan agen layanan pelanggan.
Keunggulan Teknis GPT-Realtime-2
Seluruh sistem terbaru ini ditenagai oleh GPT-Realtime-2, model suara yang disebut memiliki kemampuan penalaran setara dengan GPT-5. Model ini mampu memproses konteks percakapan yang lebih panjang dan menjalankan instruksi rumit dengan tetap menjaga suasana dialog yang alami.
OpenAI melakukan peningkatan signifikan pada kapasitas memori atau context window dari 32K menjadi 128K. Peningkatan ini memungkinkan AI mengingat detail percakapan dalam durasi yang lebih lama dibandingkan versi sebelumnya.
Dalam pengujian internal menggunakan benchmark Big Bench Audio, GPT-Realtime-2 meraih skor akurasi 96,6 persen. Angka ini menunjukkan lompatan besar jika dibandingkan dengan GPT-Realtime-1.5 yang sebelumnya mencatatkan skor 81,4 persen.
Keamanan dan Struktur Biaya Layanan
Mengingat kemampuannya yang menyerupai suara manusia, teknologi ini memiliki risiko penyalahgunaan untuk aksi penipuan digital. OpenAI menyatakan telah menanamkan sistem pengaman ketat yang dapat menghentikan percakapan secara otomatis jika terdeteksi melanggar pedoman konten berbahaya.
Ketiga model ini sudah tersedia bagi para pengembang melalui sistem penghubung aplikasi Realtime API. Mengenai biaya penggunaan, GPT-Realtime-2 dipatok seharga 32 dollar AS per 1 juta token input dan 64 dollar AS per 1 juta token output.
Untuk layanan spesifik lainnya, GPT-Realtime-Translate dikenakan biaya 0,034 dollar AS per menit penggunaan. Sementara itu, GPT-Realtime-Whisper ditawarkan dengan tarif yang lebih terjangkau, yakni sebesar 0,017 dollar AS per menit.
