gpt-realtime
PulseAugur coverage of gpt-realtime — every cluster mentioning gpt-realtime across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
PolyAI 发布 Dialog-RSN-1 原生音频对话模型
PolyAI 发布了 Dialog-RSN-1，这是一款原生音频对话模型，可直接处理原始音频输入，无需转录。该模型将轮次切换、语音识别、函数调用和响应生成整合到一个系统中，目标响应时间低于 300 毫秒。虽然目前仅支持英语，并且仅通过 PolyAI 的平台提供，但它已在企业客户的实时生产通话中部署。
-
用户讨论使用 GPT Realtime 进行自动化候选人面试
一位 Reddit 用户正在询问使用 GPT Realtime 自动化候选人面试的潜在缺点。他们正在考虑将该服务用于技术劳务招聘，估计每次通话成本约为 1.50 美元，其中包括 Twilio 和 API 使用费。
-
Avatarin部署全天候零售代理，采用OpenAI的GPT-Realtime
Avatarin利用OpenAI的GPT-Realtime技术开发了一个全天候多语言零售代理。该代理为山田电机（Yamada Denki）的购物者提供支持，在上线的前两周内，已有3万人使用。用户反馈普遍积极，92%的调查受访者表示体验良好。
-
Loka 使用 Amazon Nova 2 Sonic 构建低延迟语音助手
Loka 使用 AWS 的语音到语音模型 Amazon Nova 2 Sonic 开发了一个对话式 AI 语音助手。这种新方法对音频进行端到端处理，捕捉了传统基于文本的流程中丢失的细微差别，并显著降低了延迟。该系统在大语言模型音频基准测试（Big Bench Audio）上取得了高分，优于 Gemini 2.5 Flash Native Audio 和 GPT Realtime 等竞争对手，同时还提供了大规模部署的成本效益。
-
语音AI技术栈日趋成熟：适用于生产环境的顶级STT、TTS和编排平台
对2026年5月语音AI技术的分析显示，语音识别（STT）、语音合成（TTS）和编排平台取得了显著进展，使得语音助手成为生产环境中可行的工程问题。作者强调，各个组件的成熟度，特别是在降低延迟方面，使得语音交互更加自然和响应迅速。该分析按特定用例对顶级选择进行了分类，例如流式转录、语音质量和平台集成，并强调优化每个层是成功部署的关键。
-
xAI 的 Grok-Voice-Think-Fast 1.0 语音模型创下新基准，驱动 Starlink
xAI 发布了 grok-voice-think-fast-1.0，这是一款专为实时全双工语音代理设计的新型语音模型。据报道，该模型在 tau-voice 基准测试中取得了 67.3% 的得分，超过了 Gemini 和 GPT Realtime 等竞争对手。它已被用于增强 Starlink 的实时电话业务，旨在改进客户支持和企业应用。
-
推出 gpt-realtime 和 Realtime API 更新
OpenAI 发布了 GPT-4.1，这是其 API 的新模型系列，在编码、指令遵循和长上下文理解方面提供了显著改进，性能优于 GPT-4o 等先前模型。该公司还推出了更小、更快的 GPT-4.1 mini 和 GPT-4.1 nano 变体。此外，OpenAI 推出了其最先进的语音到语音模型 gpt-realtime，旨在提供具有增强自然度和指令遵循能力的可靠语音代理，并更新了其 Realtime API。