gpt-realtime

概要

gpt-realtimeはOpenAIが開発した、音声から音声への新しいモデルです。低遅延で自然な音声を実現し、プロダクション向けの音声エージェントに最適です。

特徴

• 音声理解の向上: gpt-realtimeは、音声入力と音声出力に基づくプロセスを採用しており、話のトーンや感情、間の使い方などの微妙なニュアンスを理解します。
• Realtime APIの一般提供: 新たに一般利用可能となったAPIは、開発者向けに以下のような機能を提供します。
  • 遠隔MCPサポート
  • 画像入力機能
  • SIP電話発信機能

このモデルは、音声エージェント技術の進化に寄与する革新的な一歩を踏み出しており、その利便性や適用範囲が広がることが期待されています。