OpenAI ha hecho otro "gran movimiento": la API de voz en tiempo real es completamente abierta y el nuevo modelo hace que las conversaciones de IA sean como personas reales OpenAI ha abierto oficialmente su API en tiempo real (Realtime API), lanzando simultáneamente el modelo de conversación de voz más avanzado de la compañía hasta la fecha, gpt-realtime, y una serie de nuevas funciones para ayudar a los desarrolladores a crear agentes de voz de IA que se pueden usar en entornos de producción. El modelo GPT-RealTime recién lanzado (número de versión gpt-realtime-2025-08-28) se ha mejorado significativamente de varias maneras: puede comprender y ejecutar mejor instrucciones complejas, llamar a herramientas externas con mayor precisión y generar un habla que suena más natural y emocional. En términos de precio, la entrada de audio es de $ 32 por millón de tokens y la salida de audio es de $ 64 por millón de tokens, que es un 20% más barato que el modelo anterior. La API en tiempo real ahora admite servidores MCP remotos, entrada de imágenes y llamadas a través del protocolo de inicio de sesión (SIP). Esto significa que los agentes de voz de IA se vuelven más poderosos al llamar a herramientas más diversas y obtener información contextual más rica. OpenAI también ha lanzado dos nuevas voces: Cedar y Marin. Estas dos voces son beneficios exclusivos de la API en tiempo real. Al mismo tiempo, se han actualizado y optimizado los ocho sonidos existentes. Para los desarrolladores y las aplicaciones de la UE, la API en tiempo real ahora es totalmente compatible con las políticas de residencia de datos de la UE y proporciona un mayor cumplimiento de los datos. En el punto de referencia Big Bench Audio, que mide las capacidades de razonamiento del modelo, GPT-RealTime logró una tasa de precisión del 82,8%, superando con creces el 65,6% de su modelo de la generación anterior lanzado en diciembre de 2024. Además de esto, OpenAI ha lanzado otro modelo llamado gpt-audio (número de versión gpt-audio-2025-08-28). Este es su primer modelo de audio que se abre oficialmente para la API REST de finalización de chat. El precio es: $ 40 por millón de tokens para entrada de audio y $ 80 por millón de tokens para salida de audio.