OpenAI представила gpt-realtime и обновлённый API

Новая модель gpt-realtime от OpenAI

28 августа 2025 года OpenAI выпустила свою самую продвинутую модель преобразования речи в речь — gpt-realtime. Эта модель отличается улучшенным качеством аудио и способностью выполнять более сложные инструкции. Она справляется с дословным чтением скриптов и легко переключается между языками в середине фразы.

Кроме того, в модели появились два новых голоса — Cedar и Marin, которые доступны исключительно в Realtime API. В компании Zillow отметили, что gpt-realtime проявляет сильные способности к рассуждению и звучит более естественно, что помогает в сложных многоступенчатых запросах.

Обновления Realtime API

Помимо новой модели, OpenAI представила значительные расширения возможностей API. Теперь API поддерживает удалённые MCP-серверы, что облегчает подключение внешних интеграций без ручных настроек. Также добавлена возможность ввода изображений, что позволяет модели анализировать и обсуждать их содержимое.

Среди других нововведений — поддержка SIP-звонков, что позволяет подключаться к телефонной сети напрямую. Также в API теперь можно сохранять и повторно использовать сложные подсказки, что упрощает работу с диалогами.

Снижение стоимости

OpenAI снизила стоимость использования модели gpt-realtime на 20% по сравнению с предыдущей версией. Теперь цена составляет $32 за 1 миллион аудио-входных токенов и $64 за 1 миллион аудио-выходных токенов.

Отзыв пользователей и переход на продуктив

С момента публичного бета-теста в октябре прошлого года тысячи разработчиков использовали Realtime API, что помогло улучшить его надёжность и качество. Новые функции, такие как SIP-звонки и поддержка MCP-серверов, выводят голосовых агентов из стадии демонстраций в реальные рабочие сценарии. Подробнее о возможностях голосовых агентов можно узнать из статьи OpenAI анонсировала приложения в ChatGPT и Apps SDK.

Частые вопросы