OpenAI Rilis Model Suara Baru untuk Percakapan Real-Time yang Lebih Alami
OpenAI baru saja meluncurkan model suara terbaru yang dirancang khusus untuk percakapan langsung yang terasa lebih natural. Keunggulan utamanya adalah kemampuan berbicara dan mendengarkan secara bersamaan — bukan bergantian seperti sistem lama. Ini menjadi fondasi penting untuk fitur seperti penerjemahan langsung (live translation) yang benar-benar real-time.
Selama ini, sebagian besar sistem voice AI bekerja dengan pola "push-to-talk" atau setidaknya harus menunggu giliran bicara selesai sebelum merespons. Model baru OpenAI memecah batasan itu dengan memproses audio masuk dan keluaran secara paralel. Kemampuan ini secara teknis jauh lebih kompleks karena model harus mengelola dua aliran audio sekaligus tanpa saling mengganggu.
Dampaknya bisa cukup besar, terutama di ranah komunikasi lintas bahasa. Bayangkan rapat internasional di mana setiap peserta bisa berbicara dalam bahasa masing-masing dan mendengar terjemahan nyaris tanpa jeda — itu jadi skenario yang jauh lebih realistis sekarang. Industri seperti pendidikan, layanan pelanggan, dan konferensi global bisa berubah signifikan jika teknologi ini matang dan terjangkau.
Yang menarik untuk diikuti adalah bagaimana model ini akan diintegrasikan ke produk-produk OpenAI yang sudah ada, seperti ChatGPT Advanced Voice Mode. Persaingan di segmen voice AI juga makin sengit — Google, ElevenLabs, hingga pemain lain terus mendorong batasannya. Siapa yang berhasil mewujudkan "penerjemah saku" yang benar-benar mulus pertama kali, kemungkinan besar akan menguasai segmen pasar yang sangat besar.