OpenAI近日宣佈對其WebRTC（Web即時通訊）技術棧進行了重大重構，旨在為即時語音AI提供低延遲、高可擴充套件性和流暢的對話體驗。這一升級標誌著OpenAI在語音互動領域的重要進展。
WebRTC是一種支援瀏覽器和移動應用即時通訊的開源技術，但傳統的實現往往在語音AI場景中存在延遲高、擴充套件性差等問題。OpenAI團隊針對這些問題進行了深度最佳化，重新設計了音影片傳輸管道和會話管理機制。新系統能夠動態調整編碼引數，根據網路條件自適應傳輸，從而將端到端延遲降低到可感知的極限以下。
除了延遲最佳化，OpenAI還重點解決了大規模併發下的穩定性。透過分散式架構和智慧路由，系統可以在全球範圍內提供一致的語音AI服務，即使在高負載下也能保持低丟包率和清晰音質。此外，新技術棧支援自然的對話輪換（turn-taking），允許使用者與AI進行更接近人與人交流的互動，無需等待明顯的停頓或提示。
OpenAI表示，這一升級將首先應用於其語音助手和即時翻譯服務，未來計劃開放部分技術元件，以推動整個行業在即時語音AI上的進步。分析人士認為，這一舉措可能重新定義語音互動的標準，特別是在需要低延遲響應的場景如遠端醫療、線上教育等領域。