OpenAI 推出 GPT-realtime：語音 AI 進入零延遲互動新時代

作者＝InfoAI 編輯部

WOW AI知識 ｜ChatGPT 讓語音 AI 將從「工具」轉變為真正的「會話夥伴」

2025 年 8 月底，OpenAI 正式宣佈推出 GPT-realtime 模型，並將其整合進 Realtime API。這項更新不只是一個語音模型升級，而是語音 AI 的重大轉捩點：它能讓人類與 AI 的對話更即時、更自然，甚至能模擬語氣、情感與多語切換。這代表語音 AI 將從「工具」轉變為真正的「會話夥伴」，對客服中心、教育、醫療與金融產業的應用潛力，無疑是一場結構性變革。

01｜GPT-realtime 帶來什麼突破？

過去的語音 AI 大多需要經歷「語音轉文字 → AI 處理 → 文字轉語音」的多步驟流程，雖然可行，但往往存在延遲與語氣僵硬的問題。

GPT-realtime 最大的創新，就是單一模型即可處理語音輸入並產生語音輸出。這意味著使用者不再需要等待機械化的停頓，回應幾乎能與人類自然對話的速度同步。

除了速度，這次更新還在 表達力 上大幅提升。新模型能模仿語速、情感與語調，甚至能在對話中靈活切換語言。例如，一場客服通話可能同時出現英文與中文，而 GPT-realtime 能即時切換，讓使用者感覺就像在與一位雙語人類客服交流。

02｜從數據看實力：評測表現大幅進化

OpenAI 公布的數據顯示，GPT-realtime 在多個權威基準測試中超越了前代模型：

• Big Bench Audio：準確率 82.8%，相比舊版模型的 65.6% 大幅提升。

• MultiChallenge Audio（測試指令遵循）：表現提升至 30.5%，舊版僅有 20.6%。

• ComplexFuncBench（工具呼叫與非同步操作）：分數從 49.7% 提升到 66.5%，顯示 GPT-realtime 在整合外部功能時更加可靠。

這些結果代表 GPT-realtime 不只聽得懂、說得自然，更能「做得到」。它能在對話過程中精準觸發功能，舉例來說：客服人員要求系統查詢訂單、教育助理需要叫出教材，模型都能即時完成。

03｜新的聲音選項與表達力

OpenAI 同時發表了兩個新語音風格「Cedar」與「Marin」，並改良了原本的 8 種聲音選項。這些語音不再僅僅是「念出文字」，而是更貼近真實人類說話的方式，能展現情緒起伏與細膩的語氣。

例如，客服情境中，AI 能以安撫的口吻回應焦躁的客戶；在教育場景裡，AI 則能用耐心、鼓勵的語氣解釋難懂的概念。這種「人味」的提升，正是 GPT-realtime 與過去語音 AI 最大的差別。

04｜Realtime API 的三大新功能

GPT-realtime 並非單點升級，而是整合到 Realtime API 的全方位強化，包含三大亮點：

1. 支援 Model Context Protocol（MCP）
   企業可透過 MCP 連接自己的資料庫與工具，讓 AI 即時調用。例如銀行可直接串接帳戶系統，讓語音 AI 回答客戶查詢餘額。

2. 影像輸入支援
   除了語音，Realtime API 現在能接收影像輸入。這讓應用情境更加廣泛，例如醫療助理可在病患拍攝的影像上給予語音建議。

3. SIP 電話系統整合
   Realtime API 能直接與電話系統連接，讓 AI 語音 Agent 主動撥打或接聽電話。這對客服中心來說，是降低人力成本並提升服務水準的重要武器。

05｜成本優勢：比前代更便宜

除了效能，GPT-realtime 在成本上也做了調整。

• 輸入音訊：每百萬 Token 約 32 美元（舊版 40 美元）。

• 輸出音訊：每百萬 Token 約 64 美元（舊版 80 美元）。

對於需要大規模使用語音 AI 的企業來說，這項降價意味著更低的導入門檻與營運成本。

06｜使用情境範例

客服中心：零延遲、情感化的語音互動

AI 客服可即時接聽來電，用溫和語氣安撫客戶情緒，並透過 MCP 整合內部系統查詢訂單或帳單。
範例：客戶抱怨網路斷線，AI 以同理心回覆：「我理解網路中斷可能影響您今天的工作，我已經幫您檢查線路，工程師最快會在 2 小時內抵達。」

醫療與遠距照護：專業又有溫度的 AI 助理

AI 能正確朗讀醫囑，並用親切口吻提醒病患服藥。
範例：GPT-realtime 助理提醒長者：「王先生，您今天的降壓藥需要 1 顆，請搭配水一起服用。」

教育與語言學習：沉浸式雙語對話

學生能即時用語音練習口說，AI 提供糾正與口音示範。
範例：學生問：「Can you check my pronunciation?」AI 即時糾正並示範英式發音。

金融服務：專業資訊的精準朗讀

AI 能以自然語氣解釋基金條款或風險提示。

範例：AI 回答客戶：「這支基金屬於高風險投資，雖然近一年報酬率達 12%，但仍可能隨市場波動而下跌。」

零售與電商：24 小時語音導購

消費者可用語音詢問產品，AI 即時推薦並描述特色。
範例：顧客說：「我想找一雙 2000 元以下的跑鞋。」AI 推薦並補充：「這雙鞋的避震設計特別適合長跑。」

智慧家庭與個人助理：更像人的語音陪伴

AI 能提醒代辦事項，或用不同語氣講故事。
範例：孩子睡前對 AI 說「講一個冒險故事」，AI 會即時調整語氣，模仿緊張或幽默語調，增添臨場感。

07｜為什麼值得關注？

GPT-realtime 的價值不只在於「更快、更自然」，而在於它讓 AI 真正開始具備「即時會話夥伴」的角色。

過去 AI 仍被視為一個工具，如今則更接近「共事者」或「助理」。對企業來說，這意味著：

• 客服中心的營運模式可能徹底重構。

• 教育與培訓能借助 AI 打造更沉浸的互動體驗。

• 在醫療、金融等高敏感度產業，AI 若能表現出專業與情感兼具的口吻，將有助於建立使用者的信任感。

08｜下一步值得觀察的方向

1. 隱私與資安挑戰：語音 AI 若能接觸電話與資料庫，如何防止濫用與資安風險？

2. 市場競爭加劇：Google、Anthropic、Meta 也在布局語音即時 AI，未來誰能建立完整生態圈，將成為關鍵。

3. 台灣市場應用：台灣的客服中心、教育科技業者若能快速導入，有機會在服務差異化上搶得先機。

09｜總體觀察

GPT-realtime 不只是一次技術迭代，而是語音 AI 應用的全新篇章。它讓「零延遲對話」成為可能，也讓 AI 的角色從「回覆者」躍升為「夥伴」。

如果說 GPT-4 帶來的是文字生成革命，那麼 GPT-realtime 代表的，就是語音互動的真正突破。它將使未來的 AI 更像人類，甚至能在許多場景中取代人工，卻又不失去情感溫度。

FAQ｜關鍵問答

Q1：GPT-realtime 與過去的語音模型有什麼差別？
傳統語音 AI 的流程通常是「語音轉文字 → AI 處理 → 文字轉語音」，這會導致延遲，且容易失去語氣與情緒的細膩度。GPT-realtime 則採用單一模型，直接處理語音輸入並輸出語音，不需要中間的文字轉換。這讓回應更即時，延遲幾乎消失，同時能保留語速、情緒與語調的變化。換句話說，使用者在與 GPT-realtime 對話時，會感覺更像在與真人交談，而不是與機械化的語音系統互動。

Q2：Realtime API 的新功能對企業有什麼幫助？
Realtime API 的升級讓企業能將 AI 真正嵌入營運核心。透過 MCP（Model Context Protocol），AI 可以安全地呼叫企業內部資料庫或工具，例如查詢客戶資料、訂單紀錄，甚至直接呼叫後端系統進行操作。再加上 影像輸入 功能，使用者能同時結合語音與圖片互動，例如電商顧客上傳照片詢問商品搭配建議。最後，SIP 電話整合 讓 AI 能直接撥打或接聽電話，等於賦予客服系統全天候運作的能力。這些新功能大幅降低了企業導入 AI 的整合門檻，也讓語音 AI 應用更加多元。

Q3：語音表現是否能應用在多語情境？

是的。GPT-realtime 支援多語言，並且能在對話過程中靈活切換。例如，使用者可以先用中文提出問題，AI 即時以英文回答，甚至能根據需求切換口音（如美式或英式）。這對跨國客服與教育場景非常有價值，因為它不僅能打破語言隔閡，還能營造更自然的學習或交流氛圍。對學習者而言，這就像擁有一位能即時糾正與示範的語言老師；對企業而言，則能讓全球不同語系的客戶獲得一致的服務體驗。

Q4：成本是否降低了？

相較於舊版本，GPT-realtime 在定價上有明顯調整。輸入音訊的費用從每百萬 Token 40 美元降至 32 美元，輸出音訊則從 80 美元降至 64 美元，降幅約 20%。這對需要大規模部署語音 AI 的企業來說，代表更低的營運成本與更高的效益。例如，一家客服中心每天處理數萬通電話，過去可能因成本壓力而無法全面導入語音 AI，如今則能以更合理的費用享有更高品質的即時互動。

Q5：有哪些產業會最先受益？

最有可能率先採用 GPT-realtime 的產業包括：

• 客服中心：需求量龐大，AI 能協助降低人力成本並縮短等待時間。

• 教育產業：語言學習與個人化教學將因 AI 即時對話能力而更具沉浸感。

• 醫療與長照：AI 助理可提醒服藥、解釋醫囑，並以親切語氣減輕病患焦慮。

• 金融服務：在必須精準朗讀合約或風險提示的場合，AI 能確保專業與清晰度。
  這些產業的共通點是「需要高度互動性」與「即時回覆」，因此 GPT-realtime 的優勢能快速轉化為實際價值。

Q6：台灣市場的機會在哪裡？

台灣在 BPO（商業流程外包） 與 客服中心 產業已有成熟基礎，許多外商與金融業的後勤客服皆設立於台灣。GPT-realtime 若能導入，將有助於提升服務效率，並進一步強化台灣在全球客服產業鏈中的地位。另一方面，台灣的 教育科技（EdTech） 與 跨境電商 也將是重要應用場景。AI 助理能協助線上課程提供多語對話練習，電商平台則能打造 24 小時的語音導購服務，增加用戶黏著度與轉換率。。

Q7：未來最大的挑戰是什麼？

最大的挑戰主要有三個層面：

隱私與資安：語音 AI 若能直接接觸用戶資料與企業系統，如何避免敏感資訊外洩將是首要考驗。

誤用與濫用：語音合成的擬真程度極高，未來可能被惡意用於詐騙或假訊息傳播，需要嚴格的驗證與管控機制。

市場競爭：Google、Anthropic、Meta 都在積極發展即時語音 AI，誰能率先建立穩固的生態系與應用場景，將決定市場領導地位。
對台灣來說，挑戰同樣存在，但若能結合在晶片、光學與語言處理上的技術優勢，仍有機會在特定垂直領域打造差異化應用。

參考資料：

OpenAI Blog｜Introducing GPT-realtime
https://openai.com/index/introducing-gpt-realtime

OpenAI GPT-realtime Complete Guide: Revolutionary Breakthrough in Voice AI
https://dev.to/czmilo/openai-gpt-realtime-complete-guide-revolutionary-breakthrough-in-voice-ai-2025-20m4

OpenAI Just Announced GPT-realtime, Its Cheapest Voice AI Model Yet
https://www.inc.com/ben-sherry/openai-just-announced-gpt-realtime-its-cheapest-voice-ai-model-yet/91233168

OpenAI's GPT-realtime Promises New Era for Enterprise Voice AI
https://analyticsindiamag.com/ai-features/openais-gpt-realtime-promises-new-era-for-enterprise-voice-ai

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。若您有引用、轉載或任何商業用途的需求，請先來信 contentpower688@gmail.com 申請授權。

AI 內容合作／供稿服務

AI 趨勢太快，內容產能跟不上？InfoAI 專注於將市場動態與報告，轉化為專業、好讀、可信賴的內容。 contentpower688@gmail.com —— 讓我們成為你的 AI 內容合作夥伴。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。
也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

InfoAI 是針 AI 產業新聞進行精選與解讀的媒體

我們每日追蹤全球技術與商業動態

透過收集、比對驗證與分析

將複雜訊息轉為能落地的決策建議

幫助讀者在最短時間看懂趨勢、做出更好的選擇

AI賦能 × 出版顧問

從選題到出版，我們結合AI技術、專業顧問與知識庫，打造一條龍智慧內容創作方案

用 AI 賦能內容輸出

量身打造內容企劃與寫作策略，結合 AI 工具與知識輔助系統，協助快速產出符合讀者需求的精準內容。

用 AI 賦能出版實踐

從撰稿、潤飾、編輯到電子書排版與發行，全程導入 AI 流程，讓出版變得輕鬆又專業，協助知識型創作者打造數位資產。