OpenAI在第二届开发者大会上宣布了一系列服务更新，其中实时API（Realtime API）备受瞩目。这一新服务旨在优化语音处理流程，使对话体验更加自然流畅。
以往，开发者在打造语音助理时，需要经历语音转文字、文字推理、文字转语音等多个繁琐步骤，这不仅导致对话延迟，还可能丢失说话者的情绪、口音等口语特征。
OpenAI的Realtime API则能够串流处理输入和输出的语音，降低延迟度，提升对话的自然度。
目前，OpenAI已与Healthify、Speak等合作伙伴测试了Realtime API功能。其中，Speak平台结合OpenAI的新服务，推出了实时角色扮演功能，使AI家教的反应速度媲美甚至超越真人，同时能够理解和回馈语调、发音、语速等超越纯文本转录的特征。
尽管全新的语音转语音模型在指令跟随和语言学习特定任务上仍有不足，但Speak表示将持续与OpenAI合作，共同改进这些问题，为用户提供更加优质的语音转语音体验。
