我要投稿

OpenAI gpt-realtime 与 Realtime API 重磅升级，语音智能体迎来生产级时代

发布日期：2025-09-01 22:38:47 浏览次数： 2480

作者：Renee 创业随笔

微信搜一搜，关注“Renee 创业随笔”

这次 Realtime API g和 gpt-realtime 模型 发布，可以理解为 OpenAI 在语音交互上的一次大升级。

Realtime API 能力更新

图像输入：支持在对话里直接用图像。
远程 MCP server 支持：让工具调用更灵活，可以接驳外部 MCP 工具。
SIP/PBX 支持：能和电话系统集成，适合语音客服场景。
Prompt caching：提示缓存，降低重复调用成本（价格低至 $0.40/百万 tokens）。
更好的函数调用：instruction following 和 tool calling 的可靠性增强。
WebRTC API 扩展：包括 server websocket 控制和视频支持。
价格下调约 20% ：输入约 $32/百万音频 tokens，输出约 $64/百万音频 tokens。
gpt-realtime 模型升级点
强调 语音到语音（speech-to-speech），低延迟，适合实时对话。
在 BigBench、ComplexFuncBench 等基准上较 GPT-4o-realtime 有显著提升。
语音层面改进：韵律（prosody）、非语言特征（咳嗽、笑声）、多语言切换。
新增两种声音：Cedar 和 Marin。

社区反响

工程师们认为这是 OpenAI 把 “实时语音” 当作 一等公民接口 来推动。
关注点在于：

voice-native agents（以语音为核心的智能体）。

MCP over voice（语音直接驱动代码/工具调用）。

streaming hooks & session control（实时流式钩子和会话管理）。

应用前景

可以催生 语音优先的编程助理、AI 电话助理、多模态实时交互产品。
定位在“让随时对话的语音接口真正可用”。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-12-18

端侧AI革命！Android App上可直接集成Gemini大模型了！

2025-12-18

突发！ChatGPT版应用商店正式发布，第三方开发者新入口！

2025-12-18

实测豆包1.8后，我终于明白字节为什么要推豆包手机了。

2025-12-18

通用Agent模型Seed1.8正式发布

2025-12-18

谷歌发布Gemini 3 Flash，口述即原型，速度堪比搜索引擎

2025-12-18

2026 开年AI对谈：the year of R | 对谈真格基金戴雨森

2025-12-18

再论Skill：Agent 落地第一性原理

2025-12-18

Gemini 3 Flash闪电来袭：智力竟反超Pro！速度快3倍，全球免费

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

马斯克 Grok imagine 完整使用指南：工具、案例、提示词，看这一篇就够了！

2025-10-26

实测 Sora 2 ：AI视频的“ChatGPT时刻”来了？八大场景教你解锁各种玩法（附邀请码）

2025-10-02

RagFLow v0.20.X全面解析！双向MCP、Agentic智能体...这次真的起飞了！（附长图）

2025-09-29

一文速览OpenAI Dev Day 2025，下半年开始大洗牌

2025-10-07

Claude Sonnet4.5发布，号称世界最强模型，超越gpt-5-codex

2025-09-30

我挖到Gemini 3.0 Pro十大隐藏玩法，做网页已经落后N个版本了

2025-11-19

2025-10-20

深度体验TRAE SOLO 正式版，总结一点技巧(附完整可重现提示词和源码)

2025-11-13

Sora 2带来3个颠覆性创新，这个行业或将被彻底重构

2025-10-02

从spec-kit到OpenSpec：规格驱动开发如何解决项目迭代痛点？

2025-10-18

大家都在问

Prompt是与LLM对话的唯一方式：如何给大模型装上能指挥“手脚”的脑子？

2025-12-16

200k Tokens 的上下文真的够用吗？

2025-12-15

巨头翻身！谷歌全新AI浏览器Disco问世，PC版灵光？

2025-12-14

2025年，企业级AI的主战场在哪里？

2025-12-12

GPT 5.2的长上下文厉害了，但是写文真的强吗？

2025-12-12

涌现观点｜AI 开发的"App Store 时刻"：为什么你应该停止构建 Agent？

2025-12-11

Human In the Loop竟然可以是个MCP?

2025-12-09

AI会消灭搜索吗？

2025-12-08

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB