AITOPAI热报
ModelsMulti-source

gpt-realtime-2语音模型发布，智能度升级

Ethan Mollick@emollick
Post· 3 sources
View the post
Why we picked it

gpt-realtime-2的发布表明OpenAI在语音AI领域持续迭代，直接提升交互体验。但由于缺乏基准对比，开发者需自行评估其实际性能。

OpenAI推出了gpt-realtime-2语音模型，该模型原生处理语音而非转录为文本，因此模型本身的智能水平至关重要。

Body

旧版语音模型相当于GPT-4o水平，而新版被形容为“更聪明”，但OpenAI未提供任何基准测试数据。此举意味着语音交互体验将显著提升，但缺乏具体指标也引发了对透明度的讨论。

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include 语音模型, gpt-realtime-2, OpenAI, 实时交互.

Source attribution: curated from Ethan Mollick (@emollick). Cross-source corroboration: 3 independent sources have covered this development (including OpenAI Blog, Sam Altman Blog), confirming industry-wide signal strength.

  • OpenAI Blog05-10 16:22Source
  • Sam Altman Blog05-12 17:58Source
#语音模型#gpt-realtime-2#OpenAI#实时交互

Keep reading

Recent stories with the same tag or section
ModelsBuilders02:06
Chinese content一款专注客服决策的语音模型：用超100万小时真实通话训练

如果你在琢磨客服自动化，这个思路不一样：别人卷声音像不像真人，它卷的是能不能理解业务、把客户的任务办完，还不增加响应延迟。做呼叫中心或对话系统的开发者可以看看这套推理架构怎么设计的。

#语音模型#呼叫中心#客服自动化#推理架构
Ate-a-Pi@svpinoSource
ModelsBuildersOfficial13:32
Chinese contentFish Audio 发布 Live 3：全双工语音模型，响应延迟最低 186 ms

语音 Agent 开发者可以看看这个。Fish Audio 的 Live 3 能边说边听，186 ms 的反应速度已经接近真人对话节奏，还分得清“嗯嗯”和真的想插话，这比很多半双工语音方案自然多了。做客服机器人或语音助理的值得跑个 demo 试试，不过暂时只有英语。

#Fish Audio#Live 3#语音模型#智能体
Event
Primary sourcemarktechpost@Asif RazzaqSource