GPT-Realtime-2: agenții vocali care gândesc în timp ce vorbesc

Ce a lansat OpenAI

Pe 7 mai 2026, OpenAI a anunțat trei modele vocale noi pentru dezvoltatori, disponibile prin Realtime API. Compania le prezintă ca pe baza unei noi generații de aplicații vocale, iar pentru agenții care răspund la telefon toate trei contează.

• GPT-Realtime-2, modelul de conversație. Potrivit OpenAI, e primul său model vocal cu raționament de nivelul GPT-5: poate duce la capăt cereri mai grele fără să piardă firul discuției, poate folosi unelte (un calendar, un sistem de comenzi) și gestionează întreruperile.
• GPT-Realtime-Translate, traducere în timp real, din peste 70 de limbi la intrare în 13 limbi la ieșire, în ritmul vorbitorului.
• GPT-Realtime-Whisper, transcriere în flux: textul apare pe măsură ce omul vorbește, nu după ce termină.

Lansarea vine după gpt-realtime, modelul prezentat de OpenAI în august 2025, despre care compania spunea atunci că urmează mai bine instrucțiunile complexe și sună mai natural.

De ce contează raționamentul într-un apel

Primii agenți vocali erau rapizi, dar se împiedicau repede. Răspundeau bine la „Care e programul?”, însă o cerere cu două condiții îi încurca. Clienții nu vorbesc în întrebări curate. Vorbesc așa:

Ca să răspundă corect, agentul trebuie să țină minte programarea existentă, să verifice calendarul, să compare variantele și să revină cu un răspuns care respectă condiția clientului. Asta e o sarcină de raționament, nu doar de recunoaștere a vorbirii.

Un model care „gândește” în timpul conversației face mai puține greșeli de felul ăsta. Pentru afacere, diferența dintre un agent care se descurcă doar cu cererile simple și unul care le duce la capăt și pe cele complicate e diferența dintre un apel rezolvat și un client care sună din nou.

Traducere și transcriere în timp real

Celelalte două modele rezolvă probleme mai practice. Traducerea live ajută o afacere care primește apeluri de la turiști sau clienți din alte țări. Transcrierea în flux înseamnă că textul conversației există chiar în timpul apelului, deci poate fi folosit pe loc: pentru un rezumat, pentru un câmp completat automat sau pentru un transfer către un coleg care vede deja ce s-a discutat.

Ce nu s-a schimbat

Niciun model nou nu înlocuiește configurarea. Un agent vocal bun știe informațiile afacerii tale, are reguli clare despre ce face și ce nu face și știe când să predea apelul unui om. Modelul e motorul; felul în care e configurat decide cum se comportă.

Ce înseamnă pentru afacerea ta

Nu trebuie să alegi tu modele sau să urmărești fiecare lansare. Trebuie să verifici rezultatul, adică felul în care agentul se descurcă cu apelurile tale. Trei lucruri merită testate înainte de orice lansare:

1. 1O cerere cu condiții, ca exemplul de mai sus.
2. 2Un client care se răzgândește la jumătatea frazei.
3. 3Un apel în care clientul cere explicit un om.

La Vocalyy, testarea pe scenariile afacerii tale e un pas obligatoriu înainte ca agentul să răspundă clienților. Vezi cum funcționează configurarea sau alege pachetul potrivit.