今天凌晨1点，OpenAI接连扔出AI语音能力的两个重磅更新。一个是Realtime API，可支持生产级的实时智能体。另一个是最先进的语音到语音模型gpt-realtime。 Realtime API更新后不仅能连远程MCP服务器，识别图像输入，还能通过SIP协议直接打电话。 新模型gpt-realtime更是狠，复杂指令都能听懂，工具调用更精准，语音自然流畅，还能带点表现力。 它能逐字念免责声明，能准确复述字母数字，还能在对话里无缝切换语言。 最惊艳的，还是那声音效果，几乎和真人没区别，甚至比真人更惟妙惟肖。…