Инвестиции в голосовой ИИ выросли до 7 млрд долларов за квартал

Это семикратный рост по сравнению с $1 млрд за аналогичный период 2025 года. Всплеск финансирования совпал с выпуском OpenAI трёх новых голосовых моделей в API и указывает на ставку крупных компаний на голос как основной интерфейс для ИИ-агентов.

Спецификация новых голосовых моделей OpenAI

OpenAI выпустила через API три модели: GPT-Realtime-2, GPT-Realtime-Translate и GPT-Realtime-Whisper.

• GPT-Realtime-2 построена на архитектуре класса GPT-5. Стоимость инференса: $32 за 1 млн входных аудиотокенов, $64 за 1 млн выходных. Модель поддерживает вызов инструментов и обработку исправлений в диалоге.
• GPT-Realtime-Translate: 70 языков ввода, 13 языков вывода. Тарификация — $0,034 в минуту.
• GPT-Realtime-Whisper: потоковая транскрипция. Стоимость — $0,017 в минуту.

Все модели доступны только через API, платформа Playground указана как средство для тестирования.

Рост инвестиций и реакция на риски

Объём $7 млрд за квартал отражает концентрацию капитала на сегменте голосового инференса и агентных пайплайнов. Параллельно наблюдается развитие инструментов контроля: платформа детекции синтетических медиа Scam.ai объявила о партнёрстве с разработчиком голосового ИИ Modulate. В рамках интеграции в Scam.ai будут встроены специализированные модели Modulate для выявления поддельных голосов.

Семикратный годовой рост финансирования указывает на перенос фокуса венчурных инвестиций с текстовых LLM на голосовые интерфейсы. Выпуск OpenAI моделей с низкой задержкой и стоимостью от $0,017/минута формирует ценовой ориентир для рынка. Одновременное развитие средств детекции дипфейков является прямым следствием увеличения доступности и качества инструментов синтеза.