OpenAI发布语音模型GPT-realtime。GPT-realtime是一个专用于语音AIAgent的多模态模型，能够生成更加自然流畅的语音，完美模仿人类丰富多样的语调、情感以及语速，支持图像理解并将其与语音或文本对话相结合使用，非常适用于客服、教育、金融、医疗等领域打造语音智能体。

gpt-realtime采用端到端架构，直接处理并生成音频，显著降低延迟。GPT-realtime还新增了Marin与Cedar两种极具特色的语音，同时对原有的8种语音也进行了全面升级。

来源：新浪网

GPT-Realtime OpenAI