Microsoft Azure AI Foundry重要新发布2026-05-01
GPT Realtime 2.0 概念文档发布
GPT Realtime 2.0 Concept Document Released
推理多模态低延迟
EVENT SUMMARY
事件摘要
微软发布了 GPT Realtime 2.0（预览版）的概念文档，预示了下一代语音交互架构的重大升级。Realtime 2.0 首次将深度推理（Reasoning）能力引入实时语音流，并引入了全新的响应阶段控制机制，使 Agent 能够在对话中展现“思考”过程。此外，模型具备更严格的指令遵循能力。文档还同步介绍了专为实时多语言活动设计的新 Translate 模型，以及用于极低延迟流式转录的优化版 Whisper 模型，全面拓宽了实时语音 AI 的应用边界。
ANALYST VIEW
中立分析
为什么重要
将深度推理引入实时语音流并增加响应阶段控制，标志着实时语音AI从简单的交互向具备复杂思考和多步骤执行能力的Agent演进，拓宽了实时语音AI在多语言和转录场景的应用边界。
影响对象
语音AI开发者和企业用户将能够构建具备思考过程展示和更严格控制能力的语音Agent，终端用户在多语言活动和实时转录场景中将体验到更智能、延迟更低的语音服务。
证据说明
原文直接证明了GPT Realtime 2.0预览版概念文档已发布，涵盖推理支持、响应阶段、更严格的指令遵循，以及用于实时多语言活动和低延迟转录的新Translate和Whisper模型。
不确定性
目前仅为概念文档和预览版，未提供具体的发布时间表、正式版的性能基准测试数据、推理过程带来的具体延迟增加量以及API调用方式。
SOURCES