OpenAI 在凌晨1点举行了技术直播，正式发布了其全新的语音模型 ——GPT-Realtime。这一多模态模型专为语音 AI AgentOp 设计，旨在生成更加自然流畅的语音，能够模仿人类丰富多样的语调、情感和语速。GPT-Realtime 的应用场景广泛，涵盖了客服、教育、金en融和医疗等多个领域，为打造智能语音助手提供了强大的支持。

GPT-Realtime 新增了两种独特的语音风格 ——Marin 和 Cedar，AI同时对原有的八种语音进行了全面升级。与传统语音模型不同，GPT-Realtime 不仅能够生成语音，还具备智力、推理和理解能力。例如，模 发型可以准确捕捉笑声等非语言信号，并在对话中灵活切换语言，适应不同的场景需求。

在评估方面，GPT-Realtime 在多种语言环境下的字母布全数字序列检测准确率显著提升，推理能力评估中的准确率高达82.8%，成为当前智能语音模型中的佼佼者。指令遵循能力的改进也是该模型的一大亮点新语，开发者可以通过自定义指令，提升模型的响应效果。在 MultiChallenge 音频基准测试中，GPT-Realtime 的指令遵循准确率从2音模0.6% 提升至30.5%。

除了语音生成能力，GPT-Realtime 还支持图像输入。开发者在会话中可以将图像与音频或文本结合使用，使得模型 型能够基于用户所见内容展开对话，提供更加个性化的交互体验。此外，Realtime API 的全新功能让开发者可以方便地连接到远程 MCP 服GP务器，简化了集成过程，提高了开发效率。

在安全与隐私方面，Realtime API 配备了多层保护措施，通过实时监测对话内容，防止滥用行为的发生。T-同时，开发者可以根据需要添加自定义安全防护，确保使用环境的安全。

从发布之日起，所有开发者都可以使用新的 Realtime API 和 GPReT-Realtime 模型，音频输入 token 的价格降低了20%。此外，开发者还可以灵活设置智能 token 限制，以降低长时间对话的成本。

划重al点:

GPT-Realtime 是 OpenAI 最新发布的多模态语音模型，适用于客服、教育等多个领域。  

该模型的推理能ti力和指令遵循准确率有显著提升，为开发者提供更强大的支持。  

Realtime API 配备安全防护措施，确保用户交互的安me全性和隐私性。

• ·标签: 苹果 iPhone 华为 海信空调
• ·阿里开源Vivid-VR：AI视频修复神器，解锁内容创作新可能
• ·Reddit起诉Perplexity AI:指控“工业级非法抓取”数百万用户评论
• ·吃了发苦的橙子怎么办
• ·标签: 钟慧娟 翰森 胡润女企业家榜 蓝思科技
• ·标签: CapCut 剪映 DreaminaSeedance2.0 字节跳动
• ·云计算开发：Python练习实例-条件运算符嵌套
• ·Meta重磅发布代码世界模型，AI编程将进入新纪元！
• ·云计算核心技术Docker教程：Java镜像在容器中运行数据库
• ·标签: 马蜂窝 AI旅行助手 2026人工智能+旅游趋势报告 智能体
• ·Transformer走下神坛？想解决常识问题，神经网络不是答案
• ·羊肉放冰箱冷藏可以保存多久
• ·Gemini 3明年登场！谷歌全力追赶GPT-5，6.5亿用户成AI反攻关键筹码
• ·美国会周五举行“谷歌FB垄断媒体业”听证会 微软加入“控诉”方
• ·人工智能对于DevOps开发人员应对新一代勒索软件至关重要
• ·亚马逊严重工伤率比同行高出八成 曾称要在2025年将工伤事故减少一半