2025年8月28日，OpenAI 通過其官方網站和社區論壇宣布推出 GPT‑Realtime，並將 Realtime API 正式從 beta 版轉向一般可用（GA）狀態。这一更新旨在为开发者提供更可靠的生产级語音代理工具，标志着 OpenAI 在多模态 AI 領域的加速布局。
Realtime API 最初于 2024 年推出，旨在支持語音與文本的實時交互，而 GPT‑Realtime 作为其最新模型，聚焦於 speech‑to‑speech 任務的優化。OpenAI 表示，這一模型在延遲、成本和性能上实现了全面提升，適用于構建聊天機器人、虛擬助理和實時翻譯系統等應用。该发布與 OpenAI 的整體戰略一致，即通過不断迭代模型（如 GPT‑5 和 o3‑mini），推動 AI 從實驗室走向實際生產環境。
在當前 AI 語音市場競爭激烈的背景下，這一发布尤为引人注目。微軟的 Azure AI、Anthropic 的 Claude Voice 和 Google 的 Gemini Live 等工具正加速發展，而 OpenAI 通過 GPT‑Realtime 強化了其在語音代理領域的領先地位。The Verge 報道称，這一更新直接针對生产級應用的痛點，如低延遲和高可靠性。
GPT‑Realtime 的核心在於其先進的 speech‑to‑speech 架構，優化了多步推理和工具调用能力。OpenAI 表示，该模型在指令遵循、工具调用可靠性、語音質量等方面实现了显著提升。
具体功能包括：
- 更强的指令遵循：模型能更好地理解複雜指令，实现多步語音交互，而不会出现传统模型的响应偏差。
- 可靠工具调用：在語音代理中无缝集成工具，如查询数据库或执行外部 API，减少错误率。
- 提升語音質量：通過優化音頻合成，提供更自然、流暢的输出，適用于實時對話场景。
- 整體性能優化：在生產環境中，GPT‑Realtime 的延遲和成本均低于前代模型，支持开发者構建高效應用。
OpenAI 社區論壇用戶反饋，该模型在實際測試中表現出色，尤其在多轮對話和工具集成任務中，响应速度快于 Claude 3.7 和 Deepseek R1。 ZDNet 分析称，GPT‑Realtime 的更新使 Realtime API 真正进入生产級階段，开发者可轻松構建語音代理，而無需複雜配置。
此外，OpenAI 同步發布了 Realtime API 的官方提示指南，指导开发者如何優化模型性能。该指南強調了在語音交互中利用簡單提示實現多步推理的重要性。
GPT‑Realtime 的推出标志着 OpenAI 在語音 AI 領域的戰略深化。该模型针对生产級語音代理設計，適用于虛擬客服、實時翻譯、教育助手和遊戲交互等场景。其低延遲和高可靠性，使其在邊緣計算和移動應用中具有优势。
OpenAI 的定價策略也极具競爭力：輸入0.20美元/百万令牌，輸出1.50美元/百万令牌，缓存輸入0.02美元/百万令牌，远低于 GPT‑5 的定價。这使得 GPT‑Realtime 成为中小企業和獨立開發者的首選。
在行業中，GPT‑Realtime 直接挑戰微軟 Azure AI 和 Anthropic 的語音工具。Rohan‑Paul 的報道指出，GPT‑Realtime 的 speech‑to‑speech 能力在模擬中超越了傳統模型，尤其在複雜指令处理上。 开发者社區反饋，该模型在構建語音代理時，显著降低了部署成本和時間。
GPT‑Realtime 的發布引發熱烈反響。Reddit 用戶稱其“将語音 AI 推向生产前沿”，強調其在工具调用上的可靠性。 X 平台用戶@OpenAIFan 表示：“GPT‑Realtime 的語音質量和響應速度让我驚嘆，是構建實時應用的完美工具。”
与競爭對手比較，GPT‑Realtime 在語音質量和指令遵循上領先于 Claude 3.7 和 Gemini 2.5 Pro。DeepNewz 分析称，其低成本定價可能重洗語音 AI 市場。 OpenAI 社區論壇用戶反饋，该模型在多步交互中表現穩定，適合企業級應用。
同样，GPT‑Realtime 也面臨倫理和隱私挑戰，如語音合成可能被濫用為深假内容。OpenAI 需加強水印和檢測機制。 此外，實時 API 的穩定性在高負載场景下需進一步優化。
未来，OpenAI 計劃迭代 GPT‑Realtime，支持多語言和多模態輸入，擴展到醫療、教育和娛樂領域。其低成本和高性能或將加速語音代理的普及，推動 AI 交互新范式。
OpenAI 的 GPT‑Realtime 發布标志着語音 AI 進入生产級時代，通過優化指令遵循和工具调用，显著提升了應用效率。该模型不仅豐富了 Realtime API 生態，还为开发者提供了低成本、高可靠的工具。面对競爭與挑戰，OpenAI 需繼續創新，確保 GPT‑Realtime 在 AI 語音浪潮中占據領先地位。