OpenAI bringt Echtzeit-Audio auf neues Niveau
Sprachassistenten werden für Unternehmen immer wertvoller. OpenAI hat dafür drei neue Audio-Modelle vorgestellt, die Gespräche, Übersetzungen und Transkription deutlich natürlicher machen sollen. Die Modelle heißen GPT-Realtime-2, GPT-Realtime-Translate und GPT-Realtime-Whisper. Alle drei stehen über die Realtime API bereit.
Für den Support-Bereich ist das ein klarer Schritt nach vorn. Firmen können damit Anrufe, Chats und App-basierte Hilfe deutlich besser abbilden. Die KI reagiert schneller, hört genauer zu und geht besser auf Unterbrechungen ein. Das sorgt für Gespräche, die sich näher an menschlicher Kommunikation orientieren.
GPT-Realtime-2 für Gespräche in Echtzeit
GPT-Realtime-2 ist das neue Modell für direkte Gespräche zwischen Mensch und Maschine. OpenAI hat die Reaktionsweise so angepasst, dass die KI Gesprächspausen erkennt, auf Unterbrechungen eingeht und bei Bedarf wartet. Das wirkt im Support-Alltag deutlich natürlicher. Auch Zahlen, Buchstabenfolgen und kurze Rückfragen kommen klarer an.
Das Modell bringt ein großes Kontextfenster mit. Statt 32.000 Token wie beim Vorgänger stehen nun 128.000 Token bereit. Das Modell kann damit deutlich mehr Gesprächsverlauf im Blick behalten. Die Reasoning-Stufe lässt sich je nach Aufgabe einstellen. Standard ist ein niedriger Wert, für anspruchsvollere Fälle lässt sich die Tiefe anheben.
Ein weiterer Punkt ist die parallele Tool-Nutzung. Das Modell kann während eines laufenden Gesprächs mehrere externe Dienste parallel ansprechen. Das spart Zeit, wenn im Hintergrund etwa Daten geprüft oder Prozesse angestoßen werden müssen.
Übersetzung für internationale Kundengespräche
GPT-Realtime-Translate richtet sich an die Kommunikation zwischen Menschen. Das Modell erkennt über 70 Eingangssprachen und übersetzt in 13 Sprachen. Gerade für international tätige Unternehmen ist das ein praktischer Baustein im Support.
Die Deutsche Telekom testet das Modell bereits in mehrsprachigen Kundenanfragen. Für Unternehmen mit vielen Standorten, wechselnden Zielgruppen oder hohem Anrufaufkommen kann das den Alltag spürbar entlasten. Die Kosten liegen bei 0,034 US-Dollar pro Minute.
Live-Transkription mit GPT-Realtime-Whisper
GPT-Realtime-Whisper ist für die schnelle Umwandlung von Sprache in Text gedacht. Das Modell arbeitet mit sehr kurzer Verzögerung und eignet sich für Untertitel, Meetings, Streams, Kundensupport, medizinische Abläufe und den Handel. Auch hier stehen klare Reaktionszeiten im Mittelpunkt.
Die Kosten betragen 0,017 US-Dollar pro Minute. Das macht das Modell für viele Anwendungsfälle planbar, gerade dort, wo laufende Gespräche dokumentiert werden sollen oder Teams Inhalte später auswerten möchten.
Was Unternehmen jetzt beachten sollten
Die neuen Audio-Modelle zeigen, wohin sich KI im Support bewegt. Nicht nur die Sprache selbst zählt, sondern auch das Gesprächsgefühl. Eine KI, die Unterbrechungen versteht, Fehler klar anspricht und parallel auf Daten zugreift, kann Serviceprozesse spürbar entlasten.
Für den Einsatz in Europa spielt ein weiterer Punkt eine Rolle: Die Realtime API unterstützt EU Data Residency. Anfragen und Antworten können damit in der EU verarbeitet werden. Für Unternehmen mit hohen Anforderungen an Datenschutz und Datenverarbeitung ist das ein relevanter Faktor. Beim Tracing für Debugging-Zwecke gibt es derzeit noch eine Einschränkung, da dieser Teil nicht vollständig EU-Data-Residency-konform ist.
Auch preislich bleibt das Bild stabil. GPT-Realtime-2 kostet 32 US-Dollar pro Million Input-Token und 64 US-Dollar pro Million Output-Token. Für gecachte Token fallen 0,40 US-Dollar pro Million an. Damit bleiben die Preise gegenüber dem Vorgängermodell unverändert.
Für Support, Übersetzung und Live-Transkription eröffnen sich damit neue Wege. Unternehmen, die heute schon auf KI-gestützte Kommunikation setzen, können ihre Prozesse weiter ausbauen und Anfragen schneller bearbeiten. Gerade im Mittelstand zählt jedes Tool, das Gesprächsabläufe besser strukturieren und den Service verständlicher machen kann.
Sollten Sie Unterstützung zu diesem Thema benötigen, so nehmen Sie gerne Kontakt mit uns auf. Mit über 20 Jahren Erfahrung im IT-Bereich und KMU Kunden aus allen Branchen sind wir Ihr kompetenter und zuverlässiger KI-Experte und IT-Ansprechpartner – egal ob in Singen, Radolfzell, Konstanz oder der Bodensee-Region.
