在竞争日益激烈的语音AI赛道，OpenAI 推出全新模型 gpt-realtime，试图以“精准遵循复杂指令”和“自然富有表现力的语音”两大核心优势，切入企业级应用市场。该模型将通过全面开放的 Realtime API 提供服务，同时配套新增两款语音（Cedar、Marin），并更新既有语音以适配新模型，进一步完善其语音AI生态。
gpt-realtime 核心优势：不止“像人说话”，更懂“按要求说话”
不同于普通语音AI仅追求“声音自然”，gpt-realtime 聚焦企业场景的核心需求，在“理解”与“表达”两端实现突破：
1. 语音到语音实时交互，适配企业高频场景
gpt-realtime 基于“语音到语音”框架构建——既能听懂用户的口头指令，又能直接以语音回应，无需“语音转文字再文字转语音”的中间环节，天然适配实时交互场景。OpenAI 在直播演示中展示了其典型企业应用：
- 客户服务：T-Mobile 基于该模型打造的语音代理，可协助用户挑选新手机，实时解答套餐、机型等问题；
- 行业咨询：Zillow 开发的语音工具，能根据用户需求缩小社区范围，推荐匹配的房产；
- 多语言切换：延续 OpenAI 语音模型的传统优势，支持在句子中途无缝切换语言，满足跨国企业的多场景沟通需求。
2. 复杂指令遵循能力升级，细节把控更精准
gpt-realtime 最关键的突破在于“指令理解的深度”。相较于前代模型，它能执行更具体的要求，例如“用法国口音强调说话”“语速放慢20%并加重关键词”等细节指令——这对需要统一服务话术、适配不同用户偏好的企业场景（如客服、销售）至关重要。
基准测试数据也印证了这一优势：在 Big Bench Audio 评估中，gpt-realtime 准确率达 82.8%，远超前代模型的 65.6%；在衡量多任务处理能力的 MultiChallenge 音频基准中，得分达 30.5%，同时函数调用能力也得到强化，可更精准地调用外部工具完成复杂任务。
3. 捕捉非语言线索，表现力更贴近真实对话
模型还能识别音频中的非语言信息，如笑声、叹息、停顿等，并据此调整回应的语气和节奏，让交互更具“人情味”。例如，当用户表达困惑时，语音代理会自动放慢语速、简化表达；当用户发出笑声时，代理也能以更轻松的语气回应——这对提升客户服务体验、增强用户信任感具有重要作用。
Realtime API 同步升级：适配更多企业级场景
为支撑 gpt-realtime 的落地，OpenAI 对 Realtime API 进行了多项功能更新，进一步降低企业集成门槛：
- 支持图像输入与 MCP 协议：可实时识别图像内容并通过语音描述，例如在远程协助场景中，用户展示设备故障图片，代理能直接“看图说话”提供解决方案（类似谷歌去年 Project Astra 演示的核心功能）；
- 兼容 SIP 协议：可连接公共电话网络、桌面电话等传统通信设备，轻松接入企业现有呼叫中心系统，拓展客户服务、电话营销等场景的应用；
- 提示词保存与复用：企业可将常用指令（如客服话术模板、产品介绍框架）保存为提示词，供不同团队重复使用，确保服务标准化。
此外，OpenAI 还降低了 gpt-realtime 的使用成本，音频输入令牌单价降至每百万 32 美元，音频输出令牌降至每百万 64 美元，较此前下调 20%，进一步提升企业采用的性价比。
赛道竞争白热化：OpenAI 需突破多重夹击
尽管 gpt-realtime 优势显著，但语音AI市场已挤满竞争者，OpenAI 需面对来自“专业语音厂商”和“通用AI巨头”的双重挑战：
1. 专业语音厂商深耕场景
- ElevenLabs：5月推出 Conversation AI 2.0，以超逼真的语音克隆和多轮对话能力占据市场份额；
- SoundHound：聚焦消费场景，与快餐连锁合作推出语音点餐系统，落地经验丰富；
- Hume：推出 EVI 3 模型，支持用户生成自己的AI语音分身，个性化服务能力突出。
2. 通用AI厂商加码音频能力
- Mistral：发布 Voxtral 模型，主打实时翻译功能，瞄准跨国沟通场景；
- Google：强化 NotebookLM 的音频能力，支持将研究笔记转换为播客，同时在多模态交互中整合语音功能。
相较于这些对手，OpenAI 的核心竞争力在于“模型的指令理解深度”和“与既有AI生态的协同性”（如与 GPT-4、DALL·E 等工具的联动），但在垂直场景的落地经验、语音克隆的自然度等方面仍需追赶。
企业采用关键：安全与适配是核心考量
OpenAI 强调，gpt-realtime 是“生产就绪的企业级模型”，在训练阶段就与构建语音应用的客户深度合作，针对客户支持、学术辅导等真实场景进行评估对齐。对于企业而言，选择语音AI时除了“表现力”和“功能性”，还会重点关注数据安全、合规性以及与现有系统的适配性——这也是 OpenAI 后续需要持续强化的领域，以区别于缺乏企业级服务能力的中小厂商。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
