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。该模型能够直接生成和en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 模型在技AI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 Mult实时iChallenge 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PI够更可靠地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让A题。开发者可以灵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-ReI语altime 的价格也降低了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.音助40美元。
安全与隐私:保障措施与用户选择
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，开发者应自手像行添加额外的安全保障。在数据隐私方面，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真人特殊的隐私规则，以确保数据安全合规。
相关文章
人工智能的改进与更好的机器视觉控制相结合，为智能制造行业创造了至关重要的新组成部分–高精度和可扩展的故障检测。这项技术的前景广阔，不仅可以提高效率，而且可以提高安全性并提供实时可见性。 全球智能制造市2026-11-12
春节假期已经过完了，对于打工人来说，即将迎来“金三银四”的招聘和求职旺季，我们知道，年后求职机会多，同样竞争压力也比较大。 2021年，竞争压力会有多大呢?职场人究竟该不该搭上金三银四求职季这班车，跳2026-11-12
浜戣�绠楀法澶碨alesforce瀹屾垚277浜跨編鍏冨�Slack鐨勬敹璐�
7鏈�22鏃ユ秷鎭�紝鎹�浗澶栧獟浣撴姤閬擄紝浜戣�绠楀法澶碨alesforce宸茬粡瀹屾垚浜嗗�浼佷笟鑱婂ぉ鍏煎唴閮ㄥ崗浣滃伐鍏稴lack 浠峰€�277浜跨編鍏冪殑鏀惰喘锛屽苟涓斿湪涓嶆敼鍙楽la2026-11-12
标签: 文心大模型5.1 百度 多维弹性预训练 LMArena
云梦级5月9日云梦级消息，今天，新一代基础大模型文心大模型 5.1正式发布。文心 5.1采用“多维弹性预训练”技术，仅以业界同规模模型约6%的预训练成本，达到基础效果领先水平，登上LMArena搜索榜2026-11-12
世界超大的多语言语音数据集现已开源！超40万小时，共23种语言
本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。 最近，Facebook开源了目前世界上最大的多语言语音数据集，VoxPopuli： 这一数据集共涵盖了23种语言，时长超过2026-11-12
DeepSeek-V4预览版正式发布:1M 超长上下文进入全员普惠时代
深度求索（DeepSeek）今日宣布其全新系列模型 DeepSeek-V4 预览版本正式上线并同步开源。该系列模型通过结构创新，实现了1M（一百万字）超长上下文能力的标准化，在 Agent 协作、世界2026-11-12
最新评论