@kwindla：OpenAI 今天发布了一款新的语音到语音模型：gpt-realtime-2 这是首个足够好的语音到语音模型……

X AI KOLs Following 模型
openai speech-to-speech realtime voice-agents gpt-realtime

摘要

OpenAI 发布了 gpt-realtime-2，一款新的语音到语音模型，针对实时语音代理交互和低延迟工具调用进行了优化。

OpenAI 今天发布了一款新的语音到语音模型：gpt-realtime-2。这是首个足够好的语音到语音模型，可以用于我的语音代理中执行“实际工作”。或者说，实际娱乐也是如此。以下是 gpt-realtime-2 作为 Gradient Bang 中飞船 AI 大脑的演示。这里的语音到语音响应和工具调用时间是未经剪辑的，因此你可以清楚地看到在具有非常复杂的系统指令和频繁工具调用的代理中，与模型的交互是什么样的。（我确实剪掉了子代理任务执行片段，这些片段是在 gpt-realtime-2 通过工具调用启动子代理之后产生的。此配置中的子代理使用了 gpt-5.2 “中等”努力程度。）
查看原文

相似文章

@seclink: OpenAI 发布了 GPT-Realtime-2，这是其迄今为止最智能的语音模型。 该模型具备 GPT-5 级别的推理能力、128,000 个 token 的上下文窗口，并支持调节“投入程度”以实现更自然的对话体验。 它可与 GPT-R…

X AI KOLs Following

OpenAI发布了GPT-Realtime-2语音模型，具备GPT-5级别的推理能力和128,000 token上下文窗口，支持实时翻译70多种语言到13种输出语言，在Big Bench Audio Intelligence评测中达到96.6%准确率，Greg Brockman称其为语音翻译领域的里程碑。

推出 gpt-realtime 和实时 API 更新

OpenAI Blog

# 推出 gpt-realtime 和实时 API 更新，用于生产级语音智能体 来源：[https://openai.com/index/introducing-gpt-realtime/](https://openai.com/index/introducing-gpt-realtime/) 今天我们推出了正式版实时 API，包含新功能，使开发者和企业能够构建可靠的、生产级就绪的语音智能体。该 API 现已支持远程 MCP 服务器、图像输入和通过会话初始协议 (SIP) 进行电话呼叫，使语音智能体更

API 推出全新模型，推动语音智能发展

OpenAI Blog

OpenAI 在 API 中发布了三款全新语音模型：具备高级推理能力的 GPT-Realtime-2、支持实时多语言翻译的 GPT-Realtime-Translate，以及用于流式转录的 GPT-Realtime-Whisper，旨在实现更自然、更具行动力的语音应用。

实时 API 介绍

OpenAI Blog

OpenAI 推出实时 API，使开发者能够构建低延迟多模态语音对话体验，由 GPT-4o 驱动的自然语音交互。该 API 支持六种预设声音，简化开发流程，无需集成多个模型。