كل القدرات الصورة والصوت والفيديو

تحدّث إليه بصوتك واسمع جوابه

ليست تفريغًا ثم إجابة ثم تركيبًا للصوت. جلسة واحدة على gpt-realtime-2.1 يدخل فيها الصوت ويخرج صوتًا، وتبادل الأدوار متكفَّل به.

التوثيقموثّق رسميًاالاختبارلم يختبره benchr عميق · واجهة برمجية فُحص التوثيق 1 سبتمبر 2026

واجهة OpenAI البرمجية

نظرة عامة

يعمل عبر ثلاثة نواقل: WebRTC لعملاء المتصفّح والجوال، وWebSocket لخطوط المعالجة على الخادم، وSIP للاتصال الهاتفي.
يلغي خط المعالجة المخيَّط، وهذا ما يلغي أكثر التأخير الذي يلاحظه الناس في وكلاء الصوت.
يتيح ضبط جهد الاستدلال، فيمكن معايرة وكيل صوتي إنتاجي على سرعة الاستجابة.

01اختر الناقل حسب موضع الصوت: متصفّح إلى WebRTC، وخادم إلى WebSocket، ورقم هاتف إلى SIP.
02ابدأ بجهد استدلال منخفض، فالتوثيق يسمّيه نقطة البدء الإنتاجية لوكلاء الصوت.
03اضبط تأخير التفريغ بوعي: التأخير الأقل يعطي نصًا جزئيًا أبكر، والأعلى يحسّن جودة النص.
04صمّم سلوك المقاطعة قبل الموجّه؛ فالمقاطعة هي الفارق بين عرض تجريبي وشيء يستخدمه الناس.

هو بروتوكول جلسة لا نقطة طلب واستجابة؛ فإعادة الاتصال والحالة وتخزين الصوت مسؤوليتك.
المفاضلة بين الزمن والجودة معلنة في التوثيق ولا يمكن تحسينها بعيدًا، بل اختيارها فقط.
الاتصال الهاتفي عبر SIP يضعك داخل قيود شركات الاتصال التي لا يغطيها توثيق النموذج.

لم يشغّل benchr هذه القدرة. ولم يُنشر أي اختبار.

سجل الفحوص

1 سبتمبر 2026التوثيقموثّق رسميًاأول تسجيل. معرّف النموذج والنواقل الثلاثة وإرشاد جهد الاستدلال المنخفض للإنتاج مقروءة من الدليل الآني.