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： 2597

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

2026-03-05

面向复杂工程的任务编排设计：Claude Code Tasks 机制详解

2026-03-05

移动端里的AI，用户到底要什么？---权衡性能和体验之战

2026-03-05

谷歌发布官方 CLI，可操作所有谷歌文档

2026-03-04

1块8读完3本三体！谷歌最强性价比模型来了，OpenAI两小时后紧急跟进

2026-03-04

OpenAI 遭到狙击！Gemini 3.1 Flash 性价比暴击 GPT-5.3，国外网友狂喜

2026-03-04

Claude Code 创始人的 7 步高效工作流，编程小白也能直接抄

2026-03-04

Gemini 3.1 Flash-Lite、GPT-5.3 Instant 发布

2026-03-04

Google 发布 Gemini 3.1 Flash-Lite：每秒 363 tokens，百万 token 只要 $0.25

联系获取

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

Pencil：设计和写代码，以后就全让AI干了

2026-01-24

独家实录｜唐杰、杨植麟、林俊旸、姚顺雨...All Star 对话上，大家聊了啥？

2026-01-10

2026 开年 AI 工具推荐，让你新的一年效率起飞！（建议收藏）

2026-01-01

从0到1玩转Clawdbot：我花了40小时，把这些坑都踩完了

2026-01-26

Codex 史诗级更新！引入 Skills 技能库，直接兼容 Claude 生态，开发效率原地起飞

2025-12-09

Claude赢麻了？OpenAI Codex正式支持Skills，GitHub连夜上车！

2025-12-21

终于！Gemini CLI支持Agent Skills，一键搬运Claude Code的“绝招”

2026-01-09

Claude Code Skills 国内实践全指南：从安装部署到高阶开发

2026-01-09

谷歌没想到：Antigravity 竟成了 Claude Code 的“免费充电宝”？

2025-12-30

从安装到运行：手把手教你用Clawdbot完成第一个智能任务

2026-01-27

大家都在问

马斯克大赞阿里 AI，9B 参数硬刚 120B，海外网友：这叫小模型？

2026-03-03

Claude Code 的记忆机制：从CLAUDE.md到Auto Memory，它到底记住了什么？

2026-03-01

AGENTS.md 真的能帮助编码智能体吗？

2026-02-27

谷歌 Nano Banana 2 凌晨突袭！生图速度飙升，价格直接腰斩，Pro 功能竟然也免费了？

2026-02-27

Claude Code Security 的发布，会如何重塑传统网络安全企业？

2026-02-26

当软件不值钱了以后，最稀缺的资源是什么？

2026-02-24

AI Agent系列｜什么是 ReAct Agent？

2026-02-24

一切皆可Agent Skills，无处不在的AI Agent会替代业务流程吗？

2026-02-14

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 Skill 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 Palantir Glean Openclaw