OpenAI发布了gpt-realtime，提升了语音处理能力，减少延迟并改善语音质量。新API支持图像输入和电话呼叫，增强了开发者工具。gpt-realtime能更自然地响应风格指令，支持多语言和非语言线索，准确率显著提高，企业合作伙伴正在测试这些功能。

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。