在OpenAI DevDay上，公司更新了处于Beta阶段的云服务Realtime API，为对话式应用新增声音选项，并通过缓存机制降低成本。
新增五种声音，优化交互体验
作为更新的一部分，测试用户可使用五种新声音构建应用。OpenAI已通过X平台帖子展示了其中三种：Ash、Verse和Ballad。据API文档显示，本地语音到语音功能及跳过中间文本格式实现了低延迟与细腻输出，且新声音比旧版更易引导。
需注意，因API仍处Beta阶段，暂不支持客户端身份验证，实时音频处理可能受网络条件影响出现波动。
引入提示缓存，最高可享8折优惠
Realtime API原定价为语音输入$0.06/秒、语音输出$0.24/秒。现通过快速缓存降价：缓存文本输入享50%折扣，缓存语音输入享80%折扣。此外，DevDay宣布的提示缓存（Prompt Caching）允许模型重用历史输入，避免重复计算。
对话式AI助力企业生成更实时的语音响应。OpenAI正通过Realtime API加速语音助手开发，推动客户服务部门实现重大AI转型。