IT之家 8 月 29 日音问，OpenAI 已将其“Realtime API”认真参加出产环境开云体育，将其移出测试阶段（Beta）。

据IT之家了解，这款 API 主要面向企业与开垦者群体，旨在助力他们开垦适用于骨子场景的语音助手，遮掩客户接济、教师、个东谈主效力普及等限制。其中枢组件“gpt-realtime”模子选拔端到端 Speech-to-Speech 架构，可平直生成并措置语音，省去了惯例的文本改动措施。据 OpenAI 先容，比较前代版块，该模子反映速率更快、语音更当然，对复杂指示的措置才调也更强。

OpenAI 暗示，现在 gpt-realtime 模子大要捕捉笑声等非话语信号，接济对话过程中半途切换话语，还可诊疗语音口吻 —— 举例兑现“带法国口音的友好语调”或“语速较快的专科语调”。此外，该模子新增了“Cedar”和“Marin”两种语音，并对现存的 8 种语音后果进行了优化。

在性能基准测试中，gpt-realtime 模子推崇权臣普及：在 Big Bench Audio 基准测试中准确率从 65.6% 升至 82.8%，在 MultiChallenge 基准测试中从 20.6% 升至 30.5%，在 ComplexFuncBench 基准测试中则从 49.7% 普及至 66.5%。

这次 API 升级优化了器用集成经由。OpenAI 称，该模子能更精确地弃取适用器用、在恰当时机触发器用，并正确确立器用参数，大幅普及了函数调用的可靠性。开垦者可通过会话运行公约（SIP）与费力媒体放手公约（MCP）办事器，连气儿外部器用与办事。同期，可复用的请示词功能接济保存不同使用场景下真实立与器用修复，进一步普及开垦效力。

该 API 现已接济图像输入功能。用户在对话过程中可发送截图或像片，模子能参考图像内容进行交互 —— 举例读取图像中的翰墨，或回话与图像内容关系的问题。开垦者可自主放手模子大要取得的图像规模。

此外，API 新增了两项实辛劳能：开垦者可修复 token 使用上限，并对多轮对话内容进行精简措置。这两项功能有助于在较长会话中更好地甩抄本钱。价钱方面，gpt-realtime 模子的使用本钱裁减 20%，刻下订价为：音频输入 token 每百万个 32 好意思元（IT之家注：现汇率约合 229 元东谈主民币），音频输出 token 每百万个 64 好意思元（现汇率约合 457.9 元东谈主民币），缓存输入 token 每百万个 0.40 好意思元（现汇率约合 2.9 元东谈主民币）。

OpenAI 暗示，该 API 具备检测问题内容的才调，若对话违背平台计策，可自动间隔会话。不外，从话语模子的安全发展历程来看，这不应是唯独的安全保险期间，开垦者仍需自行添加专属安全条件。

针对欧盟用户，该 API 提供了数据土产货化存储选项开云体育，并为企业用户制定了稀薄阴私章程，以适当欧盟地区的数据保护规范。