OpenAI on tehnyt toisen "suuren liikkeen": reaaliaikainen äänisovellusliittymä on täysin avoin, ja uusi malli tekee tekoälykeskusteluista kuin oikeita ihmisiä OpenAI on virallisesti avannut reaaliaikaisen API:nsa (Realtime API) ja lanseerannut samanaikaisesti yrityksen tähän mennessä edistyneimmän äänikeskustelumallin, gpt-reaaliajan, ja joukon uusia ominaisuuksia, jotka auttavat kehittäjiä rakentamaan tekoälyääniagentteja, joita voidaan käyttää tuotantoympäristöissä. Äskettäin julkaistua GPT-RealTime-mallia (versionumero gpt-realtime-2025-08-28) on parannettu merkittävästi useilla tavoilla: se pystyy ymmärtämään ja toteuttamaan monimutkaisia käskyjä paremmin, kutsumaan ulkoisia työkaluja tarkemmin ja tuottamaan puhetta, joka kuulostaa luonnollisemmalta ja tunteellisemmalta. Hinnan suhteen äänitulo on 32 dollaria miljoonaa tokenia kohden ja äänilähtö 64 dollaria miljoonaa tokenia kohden, mikä on 20 % halvempaa kuin edellinen malli. Reaaliaikainen API tukee nyt MCP-etäpalvelimia, kuvasyöttöä ja puheluita SIP (Session Initiation Protocol) -protokollan kautta. Tämä tarkoittaa, että tekoälyn ääniagenteista tulee tehokkaampia soittamalla monipuolisempiin työkaluihin ja saamalla monipuolisempaa kontekstuaalista tietoa. OpenAI on myös julkaissut kaksi upouutta ääntä: Cedar ja Marin. Nämä kaksi ääntä ovat Realtime API:n ainutlaatuisia etuja. Samalla olemassa olevat kahdeksan ääntä on päivitetty ja optimoitu. EU:ssa toimiville kehittäjille ja sovelluksille Realtime API tukee nyt täysin EU:n tietojen sijaintikäytäntöjä ja parantaa tietojen vaatimustenmukaisuutta. Big Bench Audio -vertailussa, joka mittaa mallin päättelykykyä, GPT-RealTime saavutti 82.8 %:n tarkkuuden, mikä ylittää selvästi sen joulukuussa 2024 julkaistun edellisen sukupolven mallin 65.6 %. Tämän lisäksi OpenAI on julkaissut toisen mallin nimeltä gpt-audio (versionumero gpt-audio-2025-08-28). Tämä on heidän ensimmäinen äänimallinsa, joka avattiin virallisesti Chat Completions REST API:lle. Hinnoittelu on: 40 dollaria miljoonalta tokenilta äänisyötöstä ja 80 dollaria miljoonalta tokenilta äänilähdöstä.