待验证85% 置信事实时间未知

传统语音处理管道采用ASR→LLM→TTS三段式架构，而OpenAI Realtime API采用端到端音频处理方式

1

来源数

85%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

OpenAI实时语音Demo活动：评选标准、奖励机制与开发者机会

twitterOpenAIDevs

涉及实体

OpenAI Realtime APIproduct

相关事实

待验证端到端语音架构的代表性工作包括Google的AudioLM、Meta的Voicebox以及OpenAI Realtime API79% 相似已验证传统语音AI普遍采用级联式架构，先用ASR将语音转文字，再交给语言模型处理，最后用TTS合成输出77% 相似待验证OpenAI的GPT-Live语音模型采用端到端架构，原始音频波形直接输入模型，模型直接输出音频，中间不再经过独立的ASR和TTS模块76% 相似待验证OpenAI新模型采用端到端语音架构，直接以音频作为输入和输出，跳过中间文字转换环节74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/13033

API

curl https://kongchang.com/api/v1/knowledge/claims/13033

MCP

get_claim(id=13033)