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： 2449

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

2025-12-05

Palantir发布新产品Chain Reaction：面向美国人工智能基础设施的操作系统

2025-12-05

OpenAI内部代码泄露！最强模型「皇帝」登基，0思考延时吓人

2025-12-04

一文看懂AI智能体系统背后的重要技术——上下文工程（Context Engineering）

2025-12-04

大模型“落地三件套”：Ollama本地部署、API 调用和LLM封装

2025-12-04

Enterprise AI的三层架构

2025-12-04

Claude Opus 4.5 的灵魂文档被人逆向提取！Anthropic 负责人承认属实

2025-12-03

一文详解容器面向大模型与AI Agent的技术变革

2025-12-03

详解Palantir AIP大模型调用工具：Query Objects

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

从需求场景出发的AI应用项目落地方法论

2025-09-19

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

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

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

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

Qwen3-Coder与Claude Code深度对比：谁是你的AI编程助手？

2025-09-14

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

大家都在问

Bun × Anthropic：AI 运行时变革的信号？

2025-12-03

MCP是不是真凉了？

2025-12-01

如何规划一个「有节奏感」的AI产品路线图？

2025-11-28

AI Agent是「未来应用入口」，还是又一轮「技术泡沫」？

2025-11-27

200 美元，一天干完半年活：这个新出的AI科学家，是来砸博士生饭碗的吗？

2025-11-27

如何通俗的理解AI Agent的工作流？

2025-11-27

为什么大模型在企业落地那么难？

2025-11-25

Palantir牵手Snowflake，我们能学到什么？

2025-11-25

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 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