OpenAI最新发布的gpt-realtime语音模型在音质、智能和指令遵循等方面实现全面提升。该模型能准确复述字母数字序列，无缝切换语言，声音效果几乎与真人无异。

　　gpt-realtime采用端到端架构，直接处理并生成音频，显著降低延迟。模型新增Marin和Cedar两款语音，并对现有八款语音进行升级，在自然度上取得突破。

　　该模型展现出更高智能水平，能捕捉非语言线索，精准理解多语言内容。在Big Bench Audio评测中准确率达82.8%，较旧版提升17.2个百分点。

　　gpt-realtime改进了函数调用能力，支持图像输入，使对话内容可与视觉信息结合。新增多项功能使API更易集成，为开发者提供更大灵活性。

　　据悉，此次发布由95后华人研究员Beichen Li和Liyu Chen参与。Beichen Li毕业于MIT，研究方向为计算机图形学与机器学习交叉领域。

　　iPhone 17 Pro系列透明保护壳曝光 摄像头开口增大并支持磁吸挂绳

　　尊界S800“高速失速”引热议 有车主成功复刻：博主怒斥太无聊 故意抹黑华为

　　是报复H20没人买吗！美国撤销英特尔、三星等在华生产芯片豁免 120天后生效

　　苹果iPhone 17系列或将全球推广eSIM技术 物理SIM卡槽或将逐步淘汰

　　Philips Evnia 27M2N5800P显示器图赏：双模式游戏利器

　　飞利浦 ENVIA 27M2N6801M图赏：纯白优雅外观下的性能猛兽