Задержка — главный враг естественного диалога с AI. OpenAI выпустила gpt-realtime-2.1 и gpt-realtime-2.1-mini, новые модели для своего Realtime API. Они сокращают задержку (P95) как минимум на 25%, что делает голосовые и мультимодальные приложения более плавными и естественными.
OpenAI представила две новые модели для своего Realtime API: gpt-realtime-2.1 и gpt-realtime-2.1-mini. Обе предназначены для голосовых и мультимодальных приложений, где критична низкая задержка. Заявлено, что они сокращают P95 задержку как минимум на 25%.
gpt-realtime-2.1 — это обновлённая модель, которая улучшает рассуждения в реальном времени. В ней также доработано распознавание буквенно-цифровых символов, обработка тишины и фонового шума, а также поведение при прерывании речи пользователя. gpt-realtime-2.1-mini — это более быстрая и экономичная дистиллированная версия, также предназначенная для рассуждений в голосовых приложениях реального времени.
Эти изменения делают взаимодействие с AI более естественным. Модели теперь лучше понимают контекст и намерения пользователя в реальном времени, что особенно важно для голосовых ассистентов и других интерактивных систем, где важна беседа.
Уменьшение задержки и улучшенная обработка речи приближают AI-интерфейсы к по-настоящему естественному диалогу. Однако OpenAI не предоставила конкретных абсолютных значений ни для сокращённой задержки, ни для стоимости, что оставляет открытыми вопросы для разработчиков, планирующих интеграцию.