GPT-Realtime-Whisper
GPT-Realtime-Whisperは、ライブ音声を低遅延で文字起こしするストリーミング音声認識モデルです。話者が話している間に文字起こしの差分を逐次出力し、遅延と認識精度の調整を必要とするリアルタイム用途向けに設計されています。Realtime APIで利用できます。 (openai.com) 会議、授業、放送、イベントのライブ字幕、会話中の議事録作成、利用者の発話を継続的に理解する音声エー…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
GPT-Realtime-Whisperは、ライブ音声を低遅延で文字起こしするストリーミング音声認識モデルです。話者が話している間に文字起こしの差分を逐次出力し、遅延と認識精度の調整を必要とするリアルタイム用途向けに設計されています。Realtime APIで利用できます。 (openai.com) 会議、授業、放送、イベントのライブ字幕、会話中の議事録作成、利用者の発話を継続的に理解する音声エー…
GPT-Realtime-Translateは、ライブの多言語音声体験向けに設計された、ストリーミング音声翻訳モデルです。OpenAIは2026年5月7日に発表し、Realtime APIで提供しています。(openai.com) 音声の入力中に翻訳音声と翻訳テキストを順次出力します。入力言語は自動検出され、出力先言語を指定します。発表時の対応範囲は入力70言語以上、出力13言語です。(devel…
GPT-Realtime-2は、リアルタイムの音声対話とツール利用を目的としたOpenAIのモデルです。OpenAIは、GPT-5クラスの推論能力を備えた同社初の音声モデルとして発表しました。Realtime APIで利用できます。(openai.com) 音声から音声への対話に対応し、会話中の訂正や割り込みに対処しながら推論やツール呼び出しを行えます。並列ツール呼び出しにも対応します。 テキスト…
GPT-5.5-Cyberは、専門的なサイバーセキュリティ業務向けモデルです。2026年5月7日、重要インフラを守る防御担当者向けに限定プレビューとして発表されました。(openai.com) 許可されたレッドチーム演習、侵入テスト、脆弱性の悪用可能性の検証など、専門的なセキュリティ作業を支援します。 初期プレビューは、GPT-5.5を大幅に上回る能力を目指したものではなく、主にセキュリティ関連の…