OpenAI刚刚发布GPT-Realtime，AI Agent进入超逼真对话时代（

1.open ai gpt-3

今天凌晨1点，OpenAI进行了技术直播发布了语音模型GPT-realtimeGPT-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。

2.open ai

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与传统纯语音模型不同的是，GPT-realtime还具备智力、推理和理解能力，例如，能够敏锐捕捉笑声等非语言信号，在句子中间自如地切换语言，并根据场景需求灵活调整语气。

3.open ai官网

根据评估数据显示，在多种语言环境下，GPT-realtime对字母数字序列的检测准确率大幅提升，在用于衡量推理能力的BigBenchAudio评估中，准确率高达82.8%成为目前最强智能语音模型。

4.open.ai

指令遵循能力的改进也是GPT-realtime的一大亮点。在构建语音应用时，开发者可对模型进行一系列指令自定义，包括如何说话、特定场景下该说什么、该做什么以及不该做什么等。

5.open ai baseline

GPT-realtime针对这一点进行了深度优化，即便是极为细微的指令，也能对其产生显著的引导效果在衡量指令遵循准确率的MultiChallenge音频基准测试中，GPT-realtime的得分从旧模型的20.6%提升到30.5%，进步十分显著。

6.openai dall e

在函数调用能力方面，GPT – realtime