北京时间8月29日凌晨，OpenAI通过直播发布其迄今最先进的端对端语音模型（Speech-to-Speech）GPT-Realtime，并宣布Realtime ...

【新智元导读】OpenAI凌晨发布最新生产级别语音模型和API。Realtime API实现语音直接处理，支持图像输入、远程MCP服务器与SIP打电话，极大简化语音智能体构建；而新一代语音到语音模型gpt-realtime，在音质、理解力、指令遵循和函数调用上全面提升，语音几乎媲美 ...

今天凌晨1点，OpenAI进行了技术直播发布了语音模型GPT-realtime。 GPT-realtime是一个专用于语音AIAgent的多模态模型，能够生成更加自然流畅的语音，完美模仿人类丰富多样的语调、情感以及语速，支持图像理解并将其与语音或文本对话相结合使用，非常适用于客服 ...

OpenAI Realtime API 是 OpenAI 推出的实时多模态交互接口，支持低延迟的语音转语音交互，为开发者提供六种 AI 语音选择。该 API 基于 WebSocket 协议，优化了传统语音交互的延迟问题，适用于语音助手、在线教育等场景。通过深度学习和自然语言处理技术，实现流畅 ...

OpenAI Realtime API 的「说明书」。 OpenAI 实时 API 的架构 对话语音是 OpenAI 实时 API 支持的核心用例。对话语音 API 需要： 管理多个用户和 LLM 轮次的对话状态； 确定用户何时结束对话（并期待 LLM 的响应）； 处理用户中断 LLM 输出； 用户语音的文本转录、函数调用 ...

The new features could be handy for customer service systems, but OpenAI says they have applications that work across a ...

OpenAI CEO 山姆·奥特曼，图片经由AI处理文丨苏扬编辑丨徐青阳 ...

10月25日，RTE 2024 第十届实时互联网大会正式开幕。本次大会由声网和RTE开发者社区联合主办，以“AI 爱”为主题，推出覆盖实时互联网全生态的论坛及周边活动共计20余场。声网创始人兼CEO赵斌在主论坛以《实时互动十年：从Web RTC到生成式AI时代的RTE》为题作 ...

OpenAI宣布推出GPT-Realtime模型和Realtime API的重大升级，全面支持生产级语音Agent开发。GPT-Realtime是目前最先进的语音-to-语音（speech-to-speech）模型，直接以声音作为输入与输出，摒弃传统的“语音转文本 → 文本生成 → 文本转语音”流程，大幅降低延迟并保留 ...

GPT-Realtime-2 专为实时交互设计，是首款具备 GPT-5 级推理能力的语音模型。它在保持对话自然流畅的前提下，能在对话过程中进行推理、调用工具，并处理用户的打断或纠正。这意味着开发者可以构建更复杂的语音助手，并能执行多步骤任务。

IT之家 10 月 2 日消息，科技媒体 The Decoder 昨日（10 月 1 日）发布博文，报道称 OpenAI 在旧金山开发者大会（DevDay）上，发布了 Realtime API，可以让开发者调用该 API 在第三方应用中集成语音合成技术。 OpenAI 表示开发者通过调用新的 Realtime API，可以在其应用中添加 ...

在AI技术日新月异的今天，OpenAI再次引领潮流，于近日凌晨正式推出了专为开发人员设计的语音转语音模型——GPT-RealTime。与此同时，OpenAI还对其API功能进行了全面升级，新增了远程MCP服务器支持、图像输入功能以及SIP电话呼叫支持。 据OpenAI官方介绍，GPT-RealTime ...