OpenAI enrichit son API vocale et Thinking Machines lance un modèle temps réel

OpenAI déploie de nouvelles fonctionnalités d’intelligence vocale dans son API, tandis que Thinking Machines présente un modèle conçu pour des interactions humaines en temps réel.

OpenAI ajoute à son API vocale des outils incluant GPT Realtime 2, basé sur GPT-5, ainsi que des capacités de traduction en temps réel et de transcription via Whisper. Ces fonctionnalités mettent l’accent sur un compromis entre latence et raisonnement, une augmentation de la taille du contexte disponible et de nouveaux garde-fous pour limiter les risques de fraude. L’entreprise souligne que ces évolutions visent à améliorer l’interactivité des systèmes vocaux tout en maintenant un niveau de sécurité adapté aux usages grand public.

Thinking Machines annonce pour sa part un système conversationnel à faible latence et en duplex intégral, reposant sur une architecture à deux modèles et une pile d’inférence personnalisée. Le modèle, encore en phase de prévisualisation, affiche des résultats prometteurs sur des benchmarks d’interactivité, mais n’est pas encore accessible publiquement ni validé par des tiers. L’objectif affiché est de reproduire des interactions humaines naturelles, avec une réactivité accrue par rapport aux solutions existantes.

Ces annonces s’inscrivent dans un contexte où les acteurs du secteur cherchent à optimiser les échanges vocaux et conversationnels, notamment pour des applications nécessitant une réactivité immédiate ou une immersion accrue.