חברת OpenAI הכריזה על זמינות כללית של Realtime API לצד מודל הקול החדש gpt-realtime, המיועד לייצר סוכני קול מתקדמים עבור שירות לקוחות, חינוך, עזרה אישית ועוד. עם יכולות דיבור טבעי, הבנת הוראות מורכבות ותמיכה בשיחות טלפון דרך SIP, מדובר בקפיצת מדרגה שמקרבת אותנו לעידן שבו שיחה עם בינה מלאכותית נשמעת כמו דיאלוג אנושי לכל דבר.
מה חדש ב-gpt-realtime
המודל החדש נבנה במיוחד לשיחות קוליות "חיות". בניגוד למערכות הישנות ששילבו מודלים שונים להמרת דיבור לטקסט וחזרה, כאן מדובר במודל יחיד המטפל בכל התהליך. המשמעות: פחות השהיות, פחות איבוד ניואנסים, וקול הרבה יותר טבעי.
בין השדרוגים המרכזיים:
- קולות חדשים – Cedar ו-Marin, עם איכות דיבור אנושית ומשכנעת.
- הבנת הקשר מורכב – כולל יכולת לזהות מספרים, קודים, ואפילו לעבור בין שפות באמצע משפט.
- ביצועים משופרים – במדד Big Bench Audio המודל הגיע ל-82.8% דיוק, שיפור דרמטי לעומת הגרסה הקודמת (65.6%).
לא רק קול: שילוב תמונות וטלפוניה
ה-Realtime API מקבל יכולות חדשות שמרחיבות את גבולות השיחה:
- תמונות כחלק מהדיאלוג: אפשר לשלב צילום מסך או תמונה ולשאול את המערכת "מה אתה רואה כאן?".
- חיבור לטלפוניה (SIP): תמיכה מובנית בשיחות דרך רשת הטלפון הציבורית ומערכות PBX ארגוניות.
- תמיכה ב-MCP: חיבור פשוט לשרתי MCP חיצוניים כדי להרחיב את יכולות הסוכן מבלי לבנות אינטגרציה ידנית.
דוגמאות מהשטח:
חברות גדולות כמו Zillow, StubHub, T-Mobile ואחרות כבר משלבות את הטכנולוגיה החדשה בשירותי התמיכה שלהן. בזילואו, למשל, הסוכן הקולי יודע לסנן נכסים לפי צרכי משפחה, לשוחח על יכולת מימון ואף להישמע אמפתי כמעט כמו מתווך אנושי.
מחיר נגיש יותר
OpenAI הכריזה גם על הורדת מחירים של כ-20% לעומת המודל הקודם. העלות כעת:
- 32 דולר למיליון טוקנים של קלט קולי.
- 64 דולר למיליון טוקנים של פלט קולי.
המשמעות: מפתחים יוכלו להפעיל סוכנים קוליים מתקדמים בהיקפים רחבים יותר, בעלויות סבירות.
מהפכה לשירות הלקוחות והחיים הדיגיטליים
החידוש הזה עשוי לשנות את הדרך שבה אנחנו חווים אינטראקציה עם שירותים, החל משיחה עם מוקד תמיכה ועד עזרה אישית יומיומית. אם עד היום "בוטים" נשמעו רובוטיים ומנותקים, כעת השיחה צפויה להיות טבעית, זורמת ומותאמת אישית. טכנולוגיות כמו צ'אט GPT כבר הכינו את הקרקע לשינוי הזה, וכעת הגרסה הקולית לוקחת את החוויה לשלב הבא.
השאלה שנותרה פתוחה היא עד כמה הציבור יאמץ את הקול המלאכותי, והאם השוק הישראלי יראה בקרוב מוקדים קוליים מבוססי gpt-realtime שמחליפים נציגים אנושיים בשיחות שירות. בהתחשב בקצב החדירה של טכנולוגיות AI לשוק המקומי, ייתכן שזה רק עניין של זמן עד שנשמע קול "אנושי" חדש שמגיע מהשרתים של OpenAI.
