OpenAI WebRTC 音频对话工具更新：支持 GPT-Realtime-2 模型与文档上下文粘贴

一句话看懂

Simon Willison 更新了其 OpenAI WebRTC 音频对话演示工具，新增 GPT-Realtime-2 模型和文档上下文粘贴功能，可在浏览器中与 AI 进行基于文档的实时语音对话。

详细发生了什么

2024 年 12 月，开发者 Simon Willison 构建了一个基于 OpenAI WebRTC API 的实时音频对话演示工具。上个月，OpenAI 推出了 GPT-Realtime-2 模型，号称是“首个具备 GPT-5 级推理能力的语音模型”，知识截止日期为 2024 年 9 月 30 日。由于该模型迟迟未在 ChatGPT iPhone 应用中上线，Willison 更新了他的演示工具。

新版工具允许用户选择 GPT-Realtime-2 模型，并新增了“文档上下文”功能：用户可以在开始对话前粘贴一大段文本（如 Markdown 文档），模型将能够围绕该文档内容进行语音讨论。界面包含 API Token 输入、语音选择（如 Coral）、模型下拉菜单，以及一个可折叠的文档粘贴区域。

中文圈视角

对中文用户来说，这个工具本身是一个演示性质的开源项目，需要自行获取 OpenAI API Key 并确保网络能访问 OpenAI 服务（可能需要代理）。目前国内没有直接平替——国产语音模型如讯飞星火、百度文心一言的实时语音 API 尚未开放类似 WebRTC 的低延迟对话能力，且不支持文档上下文。

不过，这一更新展示了两个趋势：一是 GPT-Realtime-2 的推理能力可能接近 GPT-5，二是“文档+语音对话”的场景正在成熟。对于需要快速理解长文档（如论文、合同、技术文档）的中文用户，如果网络条件允许，这是一个高效的辅助工具。但要注意，粘贴的文档内容会通过 API 发送到 OpenAI 服务器，涉及数据出境问题，敏感信息不建议使用。

几条值得记住的细节

• GPT-Realtime-2 是 OpenAI 首个声称具备 GPT-5 级推理能力的语音模型。
• 工具基于 WebRTC 协议，在浏览器中实现低延迟实时音频对话。
• 文档上下文功能支持粘贴任意文本，模型会围绕该内容进行讨论。
• 目前该模型仍未在 ChatGPT iPhone 应用中提供。
• 使用需自备 OpenAI API Key，且可能受网络限制。

一句话总结

如果你有 OpenAI API Key 和稳定的网络，这个工具能让你用语音快速探讨文档内容，是高效的信息消化方式。