今日報丨OpenAI 又出大動作:實時語音API全面開放，聲音和真人幾乎無差別

(資料圖)

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

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

Realtime API 現在支持 遠程 MCP 服務器、圖像輸入，以及通過會話發起協議（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行了更新

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

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

關鍵詞： token openai realtime