OpenAI представила обновленные модели GPT-realtime-2.1 и GPT-realtime-2.1-mini, предназначенные для низколатентного взаимодействия с аудио и текстом через API. Новые версии обеспечивают улучшенную скорость отклика и повышенную точность обработки голосовых команд, что критически важно для создания интерактивных агентных систем, требующих мгновенной реакции в режиме диалога.
Обновление направлено на оптимизацию производительности в сценариях, где задержка передачи данных является определяющим фактором качества пользовательского опыта. Модели поддерживают нативную потоковую передачу аудио, позволяя разработчикам интегрировать функции распознавания речи и синтеза голоса без необходимости использования сторонних инструментов транскрипции или озвучивания, что упрощает архитектуру агентных решений.
Версия mini ориентирована на задачи, требующие максимальной экономии вычислительных ресурсов и минимального времени отклика, в то время как базовая модель 2.1 предлагает расширенные возможности рассуждения. Оба решения доступны для интеграции через стандартные эндпоинты API, что позволяет внедрять их в существующие пайплайны обработки данных и агентные платформы без существенных изменений инфраструктуры.
Ключевые факты
- Релиз включает две модели: GPT-realtime-2.1 и GPT-realtime-2.1-mini.
- Основной фокус обновлений — снижение задержек (latency) при обработке аудиопотоков.
- Модели поддерживают нативную работу с аудио, исключая промежуточные этапы транскрипции.
- Решения доступны для разработчиков через API OpenAI для встраивания в агентные системы.
- Обновление направлено на повышение стабильности и качества ответа в интерактивных голосовых интерфейсах.