GPT-4o Realtime

OpenAI представила GPT-4o Realtime 1 октября 2024 года вместе с публичной beta-версией Realtime API. Модель с идентификатором `gpt-4o-realtime-preview` принимала и возвращала аудио, поддерживая двусторонний речевой обмен. В документации она называлась preview-релизом GPT-4o Realtime.

Голосовой обмен в реальном времени

Сокращение числа промежуточных этапов

Обычная схема голосового помощника последовательно распознаёт речь, передаёт текст языковой модели и синтезирует ответ. Realtime-модель поддерживала аудио на входе и выходе в рамках одной сессии. Это снижало архитектурную сложность голосового приложения и помогало сделать разговор естественнее, но задержка всё равно зависела от сетевого соединения и клиентской реализации.

Протоколы подключения и контекст

WebSocket и WebRTC

Первоначальный запуск API опирался на WebSocket-соединения; далее OpenAI добавила варианты подключения для браузерных и мобильных приложений. Модель могла работать с текстом и звуком, однако сама по себе не предоставляла готовый голосовой интерфейс: микрофон, воспроизведение аудио, управление очередностью реплик и безопасность оставались частью приложения.

Мини-версия и переход к GPT-Realtime

Новые модели получили собственные имена

В декабре 2024 года OpenAI добавила обновлённые снимки GPT-4o Realtime и более компактную GPT-4o Mini Realtime. В августе 2025 года компания выпустила общедоступную модель GPT-Realtime, а затем следующие поколения семейства.

Завершение preview-доступа

API отключён в мае 2026 года

OpenAI запланировала вывод GPT-4o Realtime Preview из API на 7 мая 2026 года и рекомендовала переход на GPT-Realtime-1.5. Датированные снимки этого семейства не создают отдельные карточки в реестре; эта статья описывает именно исходную модель preview и её жизненный цикл.

Для современного голосового диалога сравните GPT-Realtime-1.5, GPT-Realtime-2 и GPT-Realtime-2.1.

Сведения о разработчике и его моделях: OpenAI в Вики Futuretools.ru.

Официальный источник: материал разработчика.