GPT-Realtime-2
PulseAugur coverage of GPT-Realtime-2 — every cluster mentioning GPT-Realtime-2 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Fable 5 在使用 Three.js 进行 3D 世界生成方面表现出色
一位用户强调了 Fable 5 在使用 Three.js 生成 3D 模拟和世界方面的强大能力。该用户演示了将 Fable 5 与 gpt-realtime-2 结合使用，以创建交互式教育 3D 环境，并暗示将为感兴趣的关注者分解该过程。
-
研究发现：语音AI系统尽管能感知情绪，但未能据此采取行动 · 跟踪2个来源
一项新的研究论文评估了四种领先的实时语音AI系统——OpenAI的GPT Realtime 2、谷歌的Gemini 3.1 Flash Live，以及阿里巴巴的Qwen3.5 Omni Plus和Omni Flash——发现它们尽管能够感知到声音中的情绪或讽刺等线索，却常常未能据此采取行动。这种“情商差距”意味着系统优先考虑所说的字面意思，而不是语气和表达方式，导致在客户服务或金融交易等关键场景中出现不恰当的响应。虽然提示可以提供部分…
-
OpenAI 发布 GPT Realtime 2，能力得到增强
OpenAI 发布了其 AI 模型的新迭代 GPT Realtime 2。Greg Brockman 强调了其能够施展“真正的魔法”，暗示其能力有了显著的进步。此次发布表明 OpenAI 在其语言模型技术方面持续的开发和创新。
-
OpenAI通过实时聆听、推理和翻译增强语音AI
OpenAI发布了GPT-Realtime-2，这是一个超越简单听写的语音功能更新。这一新版本使语音能够作为实时界面，用于聆听、推理、翻译、工具调用和响应生成。这些进步尤其有利于产品开发、客户支持和可访问性，但也引发了对语音激活代理进行管理的考量。
-
Reachy Mini 机器人获得实时语音 AI 和物理交互能力
一个开发团队将实时语音 AI 集成到 Reachy Mini 机器人中，使其能够进行物理和口头互动。该机器人现在可以通过调用各种运动和感知工具来模仿人类手势、响应视觉线索并进行对话。这个项目已在 GitHub 上提供，使用了 GPT Realtime 2，并旨在轻松集成不同的 AI 模型。
-
AI代理通过新的编码工具和推理能力取得进展
几篇近期博文探讨了AI代理的进展和应用，特别是在编码和推理任务方面。主题包括构建能够打开GitHub拉取请求的自主编码代理，使用Continual Harness等模式来构建自我改进的代理，以及将Cursor等工具集成到代理工作流中。还讨论了LLM在因果推理中的推理局限性以及用于网络抓取的浏览器指纹识别的新方法，同时也在努力为机器学习模型自动化超参数调优。
-
OpenAI 发布 GPT Realtime 2；Anthropic 扩展 Claude 法律版
OpenAI 推出了新的语音智能功能，包括由 GPT-5 驱动的 GPT Realtime 2，提供实时翻译和转录，并强调降低延迟和更大的上下文窗口。Anthropic 正在通过 Claude for Legal 和通过 AWS 增加可用性来扩展其垂直产品，同时也在开发训练代理伦理推理的方法。与此同时，Thinking Machines 预览了一个新颖的对话系统，但该系统仍不对公众开放。
-
OpenAI 发布 GPT-5 级别语音模型，支持实时翻译和智能代理
OpenAI 发布了三款新的实时语音模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。GPT-Realtime-2 将 GPT-5 级别的推理能力集成到语音交互中，支持 128K 上下文窗口和并行工具调用。GPT-Realtime-Translate 提供跨多种语言的实时、低成本同声传译，大幅降低了传统人工译员的成本。GPT-Realtime-Whisper…
-
Mira Murati 的 Thinking Machines 发布交互式 AI 模型
由前 OpenAI CTO Mira Murati 创立的 Thinking Machines Lab 宣布推出其首个 AI 模型，该模型专注于“交互模型”，旨在实现跨语音、视频和文本的实时协作。与当前顺序处理输入的 AI 不同，TML 的模型以 200 毫秒的块进行操作，使其能够同时收听和响应，模仿自然的人类对话。这种“全双工”方法旨在通过对话质量超越 OpenAI 的 GPT Realtime 2 和 Google 的 Gemin…
-
OpenAI 发布 GPT-5 级语音模型，支持实时推理、翻译和转录
OpenAI 发布了三款新的实时语音模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。这些模型提供了增强的推理能力、对 70 多种语言的实时语音翻译以及低延迟转录。特别是 GPT-Realtime-2，被描述为具有“GPT-5 级推理”能力，并拥有显著扩展的 128K 令牌上下文窗口，同时改进了对中断和工具使用的处理。