按发生时间倒序排列，最新在前。共 15 条匹配。按重要性筛选用下方「影响」chip。
Realtime API 支持 WebRTC，实现浏览器端实时音频流和低延迟语音交互。
Sora 视频生成模型在 Azure 上预览发布，支持文本到视频生成。
GPT-image-1 新增 input_fidelity 参数和部分图像流式输出，提升编辑控制和用户体验。
GPT Realtime 和 Audio 模型 GA，新增图像输入、异步 Function Calling、对话模式等，语音 Agent 能力全面成熟。
Sora 支持图像到视频生成，可指定图像出现的帧位置。
Sora 支持视频到视频生成，可输入短片生成长视频。
GPT-image-1-mini 全球可用，轻量版图像生成模型，不支持编辑和输入保真度。
Azure 发布说话人分离 ASR 模型 gpt-4o-transcribe-diarize，支持 100+ 语言实时转写并标注说话人。
Realtime API 支持 SIP 协议，可直接接入电话网络，打通语音 Agent 到 PSTN 的最后一步。
TTS 模型升级，多语言合成更自然，改善说话人相似度和减少音频瑕疵。
Realtime-mini 模型在指令遵循和 Function Calling 上达到与完整版持平，语音 Agent 能力下沉到轻量模型。
ASR 模型重大升级：WER 降低约 50%，静音幻觉减少 4 倍，多语言性能提升。
Azure 上线 GPT-image-1.5，提升图像生成质量、编辑控制和面部保留能力，支持高输入保真度编辑。
Azure 发布 GPT-Realtime-1.5 和 GPT-Audio-1.5，提升指令遵循、多语言支持和 Tool Calling 能力。
Azure 发布 Realtime Translate 和 Realtime Whisper 概念文档，覆盖实时翻译和低延迟流式转录场景。