Don't Miss
GPT-Realtime｜OpenAI語音助手能捕捉笑聲
By 信報財經新聞 on September 1, 2025
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
客戶想致電客戶服務平台退貨，日後或演變成與人工智能（AI）語音助理對話。ChatGPT開發商OpenAI發布最新語音模型GPT-Realtime，標榜是「最先進的、可投入生產的語音模型」，可以捕捉非語言線索（例如笑聲）、對話中途切換語言，並調整語氣，更可發送截圖或照片，恍如跟真人即時對話。
GPT-Realtime幫忙選購租屋
OpenAI客戶T-Mobile在直播影片中展示AI語音助手如何協助用戶挑選新手機；另一客戶房地產搜尋平台Zillow則示範AI語音助手怎樣根據用戶生活需求，縮小房源範圍。至於基準測試方面，GPT-Realtime分別在Big Bench Audio、MultiChallenge、ComplexFuncBench中，取得準確率達82.8%、30.5%及66.5%的成績。
OpenAI不但更新原有的8種語音，又新增Marin及Cedar兩種極具特色的語音。同時發布Realtime API（應用程式介面），支援遠端「模型上下文協議」（MCP）伺服器、圖像輸入，以及透過「會話初始協議」（SIP）電話呼叫，從而存取更多工具及上下文，進一步增強語音代理的功能。
此外，API具備偵測問題內容的能力，若對話違反平台政策，可能自動終止會話。GPT-Realtime價格現已降低20%，每100萬詞元（Token）計算，輸入及輸出的收費，分別為32美元（約249.6港元）及64美元（約499.2港元）；快取輸入詞元的價格，為每100萬詞元0.4美元。
另一方面，微軟亦推出語音生成模型MAI-Voice-1，標榜使用單一圖像處理器（GPU），可不到一秒內產生一分鐘的音訊，最初將應用於旗下Copilot助手。模型支援功能包括，總結天氣預報資料，以及根據文字生成播客。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
