OpenAI

OpenAI昨（30）日宣布可提供即时拟真AI语音的Realtime API降价，部份服务降价最高80%，并添加5种声音选择。

10月初公布预览版的Realtime API提供原生语音输入、语音输出的人声生成，中间无需文本转换，让开发人员得以打造支持多模态能力的AI聊天机器人。目前支持文本、语音的输出、输入，也支持函数调用。Realtime API可让开发商创造的AI聊天机器人和用户流畅对答有如真人。OpenAI Realtime原有5种人声，今天再增加5种新选择，强调提供AI助理更丰富表现力。

本周OpenAI还进一步降价Realtime API中缓存文本输入（cached text input）费用50%，缓存声音输入（cached audio input）更降价80%。缓存输入是Realtime API的一部份，可将提示中重复使用输入的字词缓存起来，可加速对谈过程中的提示处理速度、降低延迟性，而且节省API使用成本，不过只有输入1024字词以上的提示才适用缓存。

根据OpenAI的订价，使用缓存的Realtime API费用是未缓存的50%，详细价格则依存取的模型版本而异，降价前的价格从GPT-4o-mini的$0.075/百万字词，到o1-preview的$7.50/百万字词。