格隆汇8月29日｜据AIGC开放社区，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。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。