OpenAI udělala další "velký krok": hlasové rozhraní API v reálném čase je plně otevřené a díky novému modelu se konverzace s umělou inteligencí podobají skutečným lidem Společnost OpenAI oficiálně otevřela své rozhraní API v reálném čase (Realtime API) a současně spustila dosud nejpokročilejší model hlasové konverzace ve společnosti, gpt-realtime, a řadu nových funkcí, které vývojářům pomohou vytvářet hlasové agenty s umělou inteligencí, které lze použít v produkčním prostředí. Nově vydaný model GPT-RealTime (číslo verze gpt-realtime-2025-08-28) byl výrazně vylepšen v několika ohledech: dokáže lépe porozumět složitým instrukcím a provádět je, přesněji volat externí nástroje a generovat řeč, která zní přirozeněji a emotivněji. Pokud jde o cenu, zvukový vstup je 32 USD za milion tokenů a zvukový výstup je 64 USD za milion tokenů, což je o 20 % levnější než u předchozího modelu. Realtime API nyní podporuje vzdálené MCP servery, obrazový vstup a volání prostřednictvím protokolu SIP (Session Initiation Protocol). To znamená, že hlasoví agenti s umělou inteligencí se stávají výkonnějšími tím, že volají rozmanitější nástroje a získávají bohatší kontextové informace. OpenAI také vydala dva zcela nové hlasy: Cedar a Marin. Tyto dva hlasy jsou exkluzivními výhodami Realtime API. Současně bylo aktualizováno a optimalizováno stávajících osm zvuků. Pro vývojáře a aplikace v EU nyní rozhraní Realtime API plně podporuje zásady rezidence dat EU a poskytuje lepší soulad s daty. V benchmarku Big Bench Audio, který měří schopnosti uvažování modelu, dosáhl GPT-RealTime míry přesnosti 82,8 %, což výrazně překonalo 65,6 % modelu předchozí generace uvedeného na trh v prosinci 2024. Kromě toho OpenAI vydala další model s názvem gpt-audio (číslo verze gpt-audio-2025-08-28). Jedná se o jejich první zvukový model, který byl oficiálně otevřen pro rozhraní REST API pro dokončování chatu. Cena je: 40 $ za milion tokenů pro audio vstup a $80 za milion tokenů pro audio výstup.