OpenAI 推出“实时 API”:让AI语音助手像真人一样沟通
我要评论OpenAI 正式发布了其面向生产环境的“实时 API”，标志着公司在语音交互技术领域迈出了重要一步。该 API 主要面向为客户支Op持、教育或个人生产力等实际应用构建语音助手的公司和开发者，其核心组件是全新的 GPT-Realtime模型。该模型能够直接生en成和处理语音，无需传统的文本转换步骤，从而实现更快、更自然的对话。
核心功能与性能显著提升
全新的 GPT-Realtime 模型在AI技术上实现了多项突破。它现在可以捕捉并理解笑声等非语言线索，在同一句话中流畅地切换不同语言，并根据指令调整语气，例如“以友好的 推法国口音”或“快速而专业”地说话。此外，该模型新增了两种声音:Cedar 和 Marin，并对现有声音进行了优化，进一步提升了用户体验。
在出“基准测试中，GPT-Realtime 表现出色，其准确率在 Big Bench Audio 上达到了82.8%（高于65.6%），在 Mul实时tiChallenge 上达到了30.5%（高于20.6%），在 ComplexFuncBench 上达到了66.5%（高于49.7%）。 A这些数据表明，新模型在处理复杂指令和多语言任务方面有显著进步。
更好的集成与更低的价格
新版 API 简化了工具集成，使模型能够更可靠地PI选择和使用正确的工具及参数。开发者现在可以通过 SIP 和远程 MCP 服务器连接外部服务，并使用可重复使用的提示来保存不同的配置。
此外，图”:像输入功能也已上线。用户可以在对话中发送屏幕截图或照片，模型可以引用并理解图像中的内容，例如读取文本或回答相关问题。开发者可以灵让A活控制模型所能看到的内容范围。
对于成本控制，新 API 允许开发者设置令牌限制并精简长会话，同时，GPT-Realtime 的价格也降低I语了20%。目前，每百万音频输入令牌价格为32美元，每百万输出令牌为64美元，缓存输入令牌价格为每百万0.40美元。
安全与隐私:保障措音助施与用户选择
OpenAI 强调，该 API 能够检测并终止违反其政策的对话，但同时也指出，开发者应自行添加额外的安全保障。在数据隐手像私方面，OpenAI 提供了专门的选项，允许欧盟用户选择在欧盟境内存储数据，并为企业用户制定了特殊的隐私规则，以确保数据安全真人合规。
相关文章
很多云策略完全依赖专有平台和服务。例如，现在并没有类似AWS或Microsoft Azure等公有云的开源版本，并且主要的公有云供应商不太可能开源化自己的服务。不过，现在有很多可用的开源云计算平台和工2026-11-16
云梦级12月22日云梦级消息，据抖音电商安全与信任中心官方公众号透露，近日，抖音电商在日常巡查中发现，部分商家和达人未获得授权，盗用他人直播录屏作为直播背景，并通过真人小窗或声音出镜的方式进行带货营销2026-11-16
标签: 大界机器人 RoBIM Physical AI 人形机器人
云梦级3月4日云梦级消息，上海大界机器人科技有限公司（以下简称“大界机器人”）宣布完成数亿元人民币D轮融资。本轮融资由博华资本管理的梁溪数字产业基金和中金资本旗下基金共同领投，北京顺义科创集团基金和后2026-11-16
欧盟接到成员国投诉 或对Facebook收购Kustomer展开调查
新浪科技讯 北京时间4月6日晚间消息，据报道，欧盟可能会对Facebook收购客户服务平台Kustomer交易展开调查。 今日，欧盟委员会一位女发言人证实，欧盟委员会已接到奥地利的请求，希望对这笔交易2026-11-16
标签: 帕西尼感知科技 PaXini Tech 触觉硬件 具身智能
云梦级3月9日云梦级消息，近日，帕西尼感知科技（PaXini Tech）宣布完成超 10 亿元人民币 B 轮融资，公司估值超 100 亿元。 本轮由知名双币基金黄浦江资本、凯泰资本、顶级国资信安资本重2026-11-16
Tinker Diffusion发布：从单一视角到3D编辑，AI重塑多视角一致性！
2025年8月，人工智能领域迎来一项突破性技术——Tinker Diffusion，一款无需逐场景优化的多视角一致性3D编辑工具。这款创新性技术通过扩散模型实现从稀疏输入到高质量3D场景编辑的飞跃，为2026-11-16
最新评论