OpenAI推出gpt-realtime语音模型，开启语音AI代理新阶段

OpenAI发布端到端语音模型gpt-realtime，显著降低响应延迟并整合多模态能力。该模型在语音质量、智能理解、API支持及安全合规等方面实现全面升级，适用于多领域场景。

谷歌推出Gemini 2.0 Flash，标志着其AI模型的重大升级，性能大幅超越前代，并首次支持生成图像与音频。该模型还增强了与第三方应用的整合，提升了AI在实际任务中的应用灵活性。

谷歌正在加紧推出新AI“Project Jarvis”，旨在接管用户的浏览器，处理日常任务，计划12月预览。这一代理将搭载即将发布的Gemini下一代模型，聚焦浏览器自动化，以缩短谷歌在AI领域与OpenAI的差距。