OpenAI ha recentemente introdotto la Realtime API, ora disponibile in beta pubblica per gli sviluppatori a pagamento. Questa nuova API permette di costruire esperienze multimodali e conversazioni vocali fluide all’interno delle applicazioni, riducendo la latenza e migliorando l’interazione con l’utente. La Realtime API consente infatti conversazioni naturali con voci preimpostate, supportando input e output audio in tempo reale.
L’aggiornamento si rivolge a sviluppatori che desiderano creare assistenti vocali, applicazioni educative o software per il supporto clienti, offrendo la possibilità di gestire tutto con una singola chiamata API. In precedenza, creare esperienze simili richiedeva l’integrazione di più modelli per il riconoscimento vocale, l’elaborazione del testo e la sintesi vocale, con il rischio di perdite di emozioni e di latenza. La nuova API semplifica il processo e migliora la qualità delle interazioni.
Tra gli early adopters, Healthify ha integrato la Realtime API nel suo assistente AI per fornire coaching nutrizionale personalizzato, mentre Speak, un’app di apprendimento linguistico, la utilizza per simulare conversazioni reali tra gli utenti.
In termini di prezzi, la Realtime API si basa su un sistema di token: l’input audio costa $0,06 al minuto e l’output audio $0,24 al minuto. OpenAI ha garantito livelli di sicurezza elevati, utilizzando infrastrutture sviluppate per la modalità vocale avanzata di ChatGPT.
L’azienda prevede di espandere le funzionalità della Realtime API in futuro, includendo supporto per video, visione e un’ulteriore scalabilità delle sessioni. Gli sviluppatori possono già iniziare a integrare queste capacità nei loro progetti tramite documentazione e client di riferimento.
