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： 2368

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

2025-10-31

Palantir 本体论模式：重塑企业 AI 应用的 “语义根基” 与产业启示

2025-10-31

树莓派这种“玩具级”设备，真能跑大模型吗？

2025-10-30

Cursor 2.0的一些有趣的新特性

2025-10-30

Anthropic 发布最新研究：LLM 展现初步自省迹象

2025-10-30

让Agent系统更聪明之前，先让它能被信任

2025-10-30

Rag不行？谷歌DeepMind同款，文档阅读新助手：ReadAgent

2025-10-29

4大阶段，10个步骤，助你高效构建企业级智能体（Agent）

2025-10-29

DocReward：让智能体“写得更专业”的文档奖励模型

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

DeepSeek-V3.1 发布，迈向 Agent 时代的第一步

2025-08-21

DeepSeekV3.1 提到的 UE8M0 FP8 Scale 是什么？下一代国产芯片设计？

2025-08-21

DeepSeek V3.1 测评

2025-08-19

新版 GPT-5 刚刚发布，最卷 AI 连肝代码 7 小时，编程工具大洗牌开始了

2025-09-16

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

AI大家说 | 下一代AI创业的机会在哪里？定价趋势是什么？

2025-09-08

阿里发布下一代企业级智能体开发框架AgentScope 1.0

2025-09-17

DeepSeek突然更新V3.1：实测后才发现的亮点与槽点

2025-08-19

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

DeepSeek v3.1 到底有多强？与 Claude Code 一起实测！

2025-08-20

大家都在问

树莓派这种“玩具级”设备，真能跑大模型吗？

2025-10-31

大模型的Funcation Calling是什么？

2025-10-29

向量搜索已过时，混合搜索都有三大流派了！你看好哪个流派？

2025-10-29

BCG最新报告：企业如何跨越AI价值鸿沟，进入复利增长？

2025-10-28

如何用飞书多维表格快速搭建一个可落地应用？

2025-10-28

当AI学会“听”：声音识别到声音理解，AI到底是怎么听懂的？

2025-10-27

如何让你的内容出现在AI生成的答案中？

2025-10-26

2025，为何“体感上没有AI爆款应用”？

2025-10-25

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 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB