▲OpenAI四大升級亮相，打造更智慧、更安全的語音代理工具。（圖／OpenAI）
記者吳立言／綜合報導
OpenAI今（4日）宣布推出四項重大技術更新，進一步強化「語音代理（Voice Agent）」的開發能力與應用靈活性。此次升級涵蓋開發工具支援、語音模型性能、人類審查機制與調試可視化等面向，為開發者帶來前所未有的建構自由度與控制力。以下為四大更新重點：
Agents SDK現在可以在打字稿中使用，並支持Handoff，護欄，跟踪，MCP和其他核心代理原始圖，就像Python版本一樣。
– Openai開發人員（@openaidevs）
※Agents SDK 支援 TypeScript：網頁與跨端開發者大福音
OpenAI將原本僅支援Python的Agents SDK擴展至TypeScript，讓熟悉JavaScript生態系的開發者能夠更輕鬆構建語音代理。新版TypeScript SDK完整支援與Python等效的四大核心功能：
◆handoffs：允許代理人間進行任務交接
◆guardrails：設置代理行為的安全限制
◆tracing：即時記錄與分析代理運作過程
◆MCP：多元組件架構，支援複雜代理任務協同處理
此舉讓開發者能夠直接在網頁端或Node.js環境中構建語音助理、智慧客服等互動型應用，縮短產品開發週期。
它包括對人類批准的新支持，允許您暫停工具執行，序列化和存儲代理狀態，批准或拒絕特定的呼叫，並恢復代理運行。
– Openai開發人員（@openaidevs）
※加入「人類審查」（Human-in-the-loop）機制：敏感任務更可控
OpenAI新增「人類審查流程」，允許代理在執行敏感操作前，暫停並等待人工確認，應用情境包括財務指令執行、醫療諮詢回應、企業內部客服等高風險任務。該機制支援：
◆工具執行前「暫停」代理流程
◆儲存當前狀態供審核人員檢視
◆由人工批准或拒絕該次工具呼叫
◆通過後「恢復」代理流程繼續執行
此更新大幅提高了系統可審計性與合規性，讓開發者可導入更複雜的企業應用情境。
您還可以使用由實時API供電的新的Realtimeagent功能構建在客戶端或服務器上運行的語音代理。像文本代理一樣定義它們，包括工具呼叫，交接，護欄以及自動音頻和中斷處理。開始在這裡：…
– Openai開發人員（@openaidevs）
※RealtimeAgent功能上線：打造高互動語音代理的新途徑
RealtimeAgent是OpenAI針對語音代理推出的新高階框架，可於瀏覽器或伺服器端部署，支援即時語音互動。具備：
◆語音輸入與即時回應處理
◆工具調用（function calling）能力
◆會話交接（handoffs）功能
◆支援語音中斷與續接
◆自動處理播放與暫停控制
這項工具特別適合建構像是AI電話客服、智慧語音助理、互動遊戲角色（如 AI地牢《AI Dungeon》） 等需即時語音處理的場景。搭配Realtime API，即可靈活打造語音互動工作流。
接下來，Traces儀表板現在支持實時API會話，讓您可視化語音代理運行，包括音頻輸入/輸出，工具調用和中斷，無論是通過API還是通過代理SDK創建的。這是向您展示它的工作方式：
– Openai開發人員（@openaidevs）
※ Traces儀表板升級：語音代理調試全面可視化
開發者熟悉的Traces儀表板也進行大幅升級，現可完整支援 語音代理的視覺化分析，包含：
◆使用者語音輸入、模型語音輸出紀錄
◆工具呼叫紀錄與參數值
◆中斷、插話等即時互動狀況
透過這項升級，開發者可針對語音代理的行為進行精細調整與除錯，提升整體互動品質與使用者體驗。
★模型同步更新：GPT-4o 新語音模型登場
OpenAI更同步推出兩個新語音模型版本：
◆gpt-4o-realtime-preview-2025-06-03（Realtime API專用）
◆GPT-4O-audio-Preview-2025-06-03（聊天完成API（API）
此次模型升級帶來三項顯著改進，首先在指令遵循方面表現更加精準，能更準確理解並執行使用者的語音指令，其次在工具呼叫上更加穩定，確保在與外部功能整合時能保持一致性與可靠性；最後，語音中斷處理也更為自然，並新增了語速調整參數「speed」，讓開發者可以依據不同應用情境靈活設定語音播放速度，例如在教育類型應用中使用慢速朗讀，或在語音摘要服務中選擇快速播報，大幅提升使用彈性與互動體驗。
多家早期合作夥伴也已導入新版語音模型與工具，包括：
◆Perplexity AI：語音搜尋助理整合GPT-4o，提升查詢精準度與對話流暢度
◆Intercom（Fin Voice）：AI電話客服部署RealtimeAgent，強化腳本遵循與24/7客服品質
◆Volley Games：打造RPG遊戲內的AI地牢，語音互動更富劇情張力與規則意識
此次OpenAI的四大更新意味著語音代理正式邁入「可控、安全、擴展性強」的新階段。無論是開發AI客服、語音助理、教育工具還是沉浸式遊戲，開發者都能以更直覺、穩定的方式構建語音互動體驗。未來隨著RealtimeAgent與GPT-4o的進一步普及，語音將成為AI應用不可忽視的主戰場。
標題：OpenAI釋出語音代理四大更新 開發工具、模型全面翻新
聲明： 本文版權屬原作者。轉載內容僅供資訊傳遞，不涉及任何投資建議。如有侵權，請立即告知，我們將儘速處理。感謝您的理解。
