OpenAI发布GPT-realtime语音模型 Realtime API全新升级
更新时间：11:37 2025-08-29 HKT
发布时间：11:37 2025-08-29 HKT
发布时间：11:37 2025-08-29 HKT
字体大小
OpenAI宣布推出语音模型GPT-realtime。GPT-realtime为专用于语音AI Agent的多模态模型，在遵从复杂指令、精准调用工具以及解读如笑声的非语言提示方面表现出色。该模型亦能在对话中切换语言，并根据开发者的具体指令调整语气，例如在客服电话中逐字逐句地朗读免责声明。为配合新模型，OpenAI更推出了两种独家提供给Realtime API的全新声音——Cedar和Marin，并升级原有的8种语音效果。
GPT-realtime语音模型
另外，此次Realtime API也新增了远端MCP伺服器支援、图像输入及SIP电话整合等功能。现在，开发者可以透过SIP以及MCP服务器，从而连接外部工具，像是SIP能够将AI语音代理连接到公共电话网络、或企业PBX系统等。同时，API内建了主动内容检测机制，能够自动中止违反平台政策的会话。
价格方面，GPT-Realtime下调20%，音频输入及输出token每百万个分别是32美元及64美元，缓存输入token则为每百万0.4美元。
