OpenAI推出GPT-RealTime语音模型，加量降价创科技新局

2025年8月29日

（图片来自网络）

OpenAI今日发布为其开发者打造的语音转语音模型GPT-RealTime，并同步更新多项功能。这是OpenAI推出的最先进语音合成模型，在遵循复杂指令、精确调用工具及生成自然语音等方面大幅改进。

在功能上，GPT-RealTime具备多项优势：

定价方面，通用版Realtime API和GPT-RealTime模型降价，GPT-RealTime每百万token音频输入价格为32美元，音频输出价格为64美元，相比旧版下调20%。同时，OpenAI增加了对话上下文细粒度控制，允许开发者设置智能token限制，降低长会话成本。

在性能改进方面，GPT-RealTime在语音质量、指令遵循等方面表现提升。例如，在Big Bench Audio基准测试中准确率达82.8%，超过旧模型；在MultiChallenge音频基准测试中得分为30.5%，大幅提升指令遵循准确性，还能处理复杂多步骤请求。

Realtime API新增功能还包括：开发者可通过远程MCP服务器URL启用支持，图像输入功能让模型能基于图片创建对话，SIP支持实现与电话网络集成等，简化开发者集成流程。

为了防止模型滥用，Realtime API设有多层安全防护，如主动分类器检测有害内容等。