(資料圖)

OpenAI 正式開放 Realtime API，集成了其最先進(jìn)的語音對話模型 gpt-realtime，并帶來了一系列新功能，用于打造可直接投入生產(chǎn)的語音智能體

新版 gpt-realtime 模型（gpt-realtime-2025-08-28） 在理解復(fù)雜指令、精準(zhǔn)調(diào)用工具、生成更自然和富有表現(xiàn)力的語音方面都有顯著提升。定價(jià)為：每百萬音頻輸入 token 收費(fèi) 32 美元，每百萬音頻輸出 token 收費(fèi) 64 美元，比上一代便宜 20%

Realtime API 現(xiàn)在支持 遠(yuǎn)程 MCP 服務(wù)器、圖像輸入，以及通過會(huì)話發(fā)起協(xié)議（SIP）的電話功能，讓語音智能體能使用更多工具與上下文，功能更強(qiáng)大

OpenAI 推出了兩種全新聲音 Cedar 和 Marin，僅在 Realtime API 中可用，并且對原有的八種聲音也進(jìn)行了更新

在 Big Bench Audio 推理能力評(píng)測中，gpt-realtime 的準(zhǔn)確率達(dá) 82.8%，相比 2024 年 12 月發(fā)布的前一代模型（65.6%）有明顯提升

OpenAI 還發(fā)布了 gpt-audio（gpt-audio-2025-08-28），這是首個(gè)面向 Chat Completions REST API 全面開放的音頻模型，定價(jià)為：每百萬音頻輸入 token 收費(fèi) 40 美元，每百萬音頻輸出 token 收費(fèi) 80 美元

關(guān)鍵詞： token openai realtime