OpenAI: GPT-Realtime-1.5 API
GPT-Realtime-1.5 是 OpenAI 的旗舰级低延迟多模态模型，专门为高要求的语音 AI 和实时交互系统设计。它采用了原生的多模态“语音对语音（Speech-to-Speech）”架构，绕过了传统的 ASR（自动语音识别）和 TTS（文字转语音）流程，显著降低了延迟并保留了情感细微差别。与前代产品相比，1.5 版本在指令遵循方面提升了 7%，在字母数字转录准确度方面提升了 10%。它原生支持交错多模态输入，允许用户同时流式传输音频、图像和文本，以处理诸如通过摄像头“观察”问题并实时讨论等复杂任务。
- 上下文窗口: 32,000 tokens
- 最大输出: 4,096 tokens
- 输入模态: text, audio, image
- 输出模态: text, audio
- 工具调用: 支持
- 文件输入: 支持
- 发布日期: 2026-02-22
- 知识截止: 2025-08-31
常见问题
GPT-Realtime-1.5 的上下文窗口有多大？
GPT-Realtime-1.5 支持最高 32,000 token 的上下文窗口。
GPT-Realtime-1.5 支持函数调用（Function Calling）吗？
支持。GPT-Realtime-1.5 支持工具调用 / 函数调用。
GPT-Realtime-1.5 的知识截止日期是？
GPT-Realtime-1.5 的知识截止日期为 2025-08-31。