29 สิงหาคม 2568 OpenAI เปิดตัว GPT-Realtime และอัปเดต Realtime API สำหรับ Voice Agents ที่พร้อมใช้งานจริงในโปรดักชัน รองรับ MCP server, รับภาพเป็น Input และรองรับการโทรผ่าน SIP (โทรเข้า–รับสาย ผ่านเครือข่าวโทรศัพท์จริง)

GPT-Realtime ดีกว่า GPT-4o-Realtime, Elevenlabs ตรงที่คุยเสียงเป็นธรรมชาติ AI Voice นี้ตีความ Prompt ได้แม่นขึ้น อ่านสคริปต์เป๊ะ ทวนเลข-ตัวอักษรถูก และสลับภาษาในประโยคได้ลื่นไหล

Realtime API คืออะไร?

– ช่องทางต่อกับ AI เพื่อคุยสด–ตอบสด มีความหน่วงต่ำ รองรับได้ทั้งเสียง/ข้อความ/ภาพ แล้วตอบกลับทันที เหมาะทำ Call-Center อัตโนมัติ, ผู้ช่วยบนเว็บ/มือถือ และงานถอดเสียงเรียลไทม์ รวมถึงอ่านข้อความในสกรีนช็อตนี้ได้ด้วย เรียกเครื่องมือจาก MCP ได้ระหว่างสนทนา เช่น เช็กสต๊อกสินค้า, ดึงราคา โดยที่คุณไม่ต้องเขียนโค้ดต่อ API ทีละตัวอีกต่อไป

เอาไปทำอะไรได้บ้าง

  1. Bot รับสาย/ช่วยขายที่พูดคุยเหมือนคน ตอบได้ขณะสนทนา
  2. ผู้ช่วยหน้าร้าน/แอป ที่ให้ลูกค้าส่งภาพหรือพูดถาม แล้วได้คำตอบทันที
  3. ระบบถอดเสียงประชุมและสรุปประเด็นอัตโนมัติแบบเรียลไทม์

ราคา API

GPT-Realtime ถูกกว่า GPT-4o-Realtime-Preview 20% ลงมาที่ 32 ดอลลาร์ต่อ 1 ล้านโทเคนอินพุตเสียง และ 64 ดอลลาร์ ต่อ 1 ล้านเอาต์พุตโทเคนเสียง

Source:

Blognone, OpenAI, TechtalkThai