OpenAI
·
介绍gpt-realtime和实时API更新
💡
原文英文，约1500词，阅读约需6分钟。
📝
内容提要
OpenAI发布了实时API，支持远程MCP服务器、图像输入和SIP电话呼叫，提升了语音代理能力。新模型gpt-realtime在理解复杂指令和生成自然语音方面表现出色，并推出了两种新声音。API优化了可靠性和低延迟，适合生产环境。
🎯
关键要点
-
OpenAI发布了实时API，支持远程MCP服务器、图像输入和SIP电话呼叫，提升了语音代理能力。
-
新模型gpt-realtime在理解复杂指令和生成自然语音方面表现出色，推出了两种新声音。
-
API优化了可靠性和低延迟，适合生产环境。
-
gpt-realtime模型在音频质量、智能、指令遵循和功能调用方面有显著提升。
-
新模型能够更自然地进行对话，适应语气和语言切换。
-
支持图像输入，用户可以在对话中添加图片，增强交互体验。
-
新增的SIP支持使得应用可以连接到公共电话网络和PBX系统。
-
实时API包含多层安全措施，防止滥用和不当使用。
-
实时API和gpt-realtime模型的定价降低20%，并提供更细致的会话上下文控制。
❓
延伸问答
gpt-realtime模型的主要优势是什么？
gpt-realtime模型在理解复杂指令、生成自然语音和音频质量方面有显著提升，能够更自然地进行对话。
实时API支持哪些新功能？
实时API支持远程MCP服务器、图像输入和SIP电话呼叫，增强了语音代理的能力。
如何在实时API中使用图像输入？
用户可以在对话中添加图片，模型可以根据用户提供的图像进行互动，例如询问“你看到什么？”
gpt-realtime模型在指令遵循方面的表现如何？
gpt-realtime在指令遵循的准确性上有显著提高，能够更好地执行开发者的指令。
实时API的定价策略是什么？
实时API和gpt-realtime模型的定价降低20%，音频输入和输出的费用分别为每百万个音频输入令牌32美元和每百万个音频输出令牌64美元。
实时API如何确保安全性和隐私？
实时API采用多层安全措施，防止滥用，并支持EU数据驻留，符合企业隐私承诺。
➡️
