GPT Realtime 2 常见问题解答

什么是 GPT Realtime 2？

GPT Realtime 2 是一个基于浏览器的工作区，用于规划、测试和回顾实时 AI 语音体验。它让团队能够创建提示词、调节设置、进行实时语音转语音会话，并下载录音以供后续分析。

我可以用 GPT Realtime 2 构建什么？

用户可以快速原型化以语音为先的应用，例如客服代理、辅导助理、销售机器人、培训模拟器、产品演示以及其他交互式电话式体验。平台支持对问候风格、语速、打断以及工具交接等全流程进行测试。

GPT Realtime 2 的 API 在产品中如何使用？

该 API 让开发者能够在上线代码前自动化会话配置、提示词设计、工具调用、转录捕获以及实时音频处理。团队通常先在浏览器中原型化，导出工作流，然后把优化后的规格集成到生产环境中。

GPT Realtime 2 与 GPT Realtime 1.5 有何区别？

有。GPT Realtime 2 着重于更新的低延迟语音工作流、改进的提示符合度以及更丰富的会话元数据，而 1.5 版主要是音频测试的概念验证。

“GPT Realtime 2 模型”指的是什么？

该词指实时语音模型，负责处理实时音频输入、生成语音输出，并遵循用户定义的结构化提示规则。它决定延迟、发音、停顿处理以及在多轮对话中保持上下文的能力。

gpt-2-realtime、gpt-realtime-2、realtime 2.0 gpt 是同一种搜索意图吗？

这些变体通常对应相同的用户意图：寻找一个快速、基于浏览器的语音 AI 工作区，用于测试口语对话、提示质量和集成准备度。

什么是 GPT‑Realtime‑Translate、GPT Realtime Whisper 及相关术语？

这些名称指的是可以在核心 GPT Realtime 2 引擎之上叠加的旁路用例，如实时翻译和转写。核心产品专注于语音生成，独立模块负责实时翻译或 Whisper 风格的转录。

GPT Realtime 2 能在对话中使用工具吗？

可以。提示词可以结构化为触发工具调用、数据查询、预约安排、订单验证或人工交接。平台会记录工具被调用的时间点，帮助团队评估交互的时机和表述。

谁适合使用 GPT Realtime 2？

创始人、产品经理、开发者、支持工程师、教育者以及代理机构团队在需要在大规模开发前评估语音 AI 行为时，都能从 GPT Realtime 2 中受益。它特别适用于多方利益相关者审查语调、政策限制和交接逻辑的场景。

积分如何计费？

积分会根据会话时长、选择的质量设置、模型路由以及任何附加的生成选项扣除。短的测试消耗的积分少，长时间的高保真会话则消耗更多，团队可依据测试阶段的需求灵活扩展使用量。

如何导出会话录音和转录？

实时语音会话结束后，用户可以直接在工作区下载音频文件、转录文本以及相关的备注或评分卡。这些导出文件可用作利益相关者评审的文档，也可作为上市前的参考材料。

使用 GPT Realtime 2 创建测试的步骤是什么？

1. 首先输入清晰的提示，描述期望的交互。
2. 调整延迟、语音风格、工具集成等设置。
3. 启动会话，聆听实时交流，并在会后保存有价值的录音或笔记以供进一步分析。

• GPT Realtime 2 提供了一个浏览器工作空间，用于设计、测试和审查低延迟的语音对语音代理，支持提示控制、工具交接以及会话记录下载。

• 打开 GPT Realtime 2 界面，找到“Enter your idea”（输入你的想法）字段，输入简明的提示，描述希望的语音交互场景。

• 点击“Adjust settings”（调整设置）面板，选择合适的延迟、角色设定和工具调用选项，确认配置后开始实时音频测试。

• 按下“Start”（开始）按钮，向麦克风说话，系统会生成相应的口语回复，实时观察问候语、语速以及打断处理情况。

• 会话结束后，使用“Export”（导出）功能下载音频文件、文字稿和评分卡，便于后续分析和文档记录。

• 查看文字稿和评分卡，对比不同提示版本，记录回复清晰度、工具激活时机和整体用户体验的差异。

• 根据得到的洞察优化提示措辞、调整角色参数或修改工具调用逻辑，然后重新运行测试以验证改进效果。

• 循环上述步骤，直至语音代理达到目标性能指标，确保最终配置符合产品上线要求。