大模型独角兽MiniMax将于11月发布首款对标GPT-4o的端到端实时语音对话API产品

（图片来源：钛媒体 App 编辑林志佳拍摄）

钛媒体 App 10 月 25 日消息，钛媒体 App 独家获悉，AI 大模型领域的独角兽 MiniMax 将于今年 11 月发布对标 GPT-4o 的 Realtime API 服务，将提升端到端实时多模态处理能力，并带来更低延时、更自然、更沉浸的实时语音对话，为企业协作、社交、直播、游戏等多种场景提供服务。

这是 MiniMax 推出的首款端到端实时语音对话产品。消息人士告诉钛媒体 App，内部正在打磨这款产品，并非常希望 11 月发布时产品效果直接对标 OpenAI GPT-4o。

据悉，今年 5 月，OpenAI 公司推出可免费使用的全新旗舰 AI 模型 GPT-4o，可实时进行音频、视觉和文本推理，它可以在短至 232 毫秒、平均 320 毫秒的时间内响应音频输入，与人类在对话中的反应速度一致。在 API 使用方面，相比去年 11 月发布的 GPT-4-turbo，GPT-4o 价格降低一半（50%），速度提升两倍（200%）。

OpenAI CEO 奥尔特曼（Sam Altman）在推文中表示，新的 GPT-4o 是 OpenAI 有史以来最好的模型，它很智能，速度很快，是原生多模态，并且它可供所有 ChatGPT 用户使用，无论是免费版本还是付费 GPT-4 版。

今年 10 月，实时语音技术公司、声网的兄弟公司 Agora 作为语音 API 合作者出现在了 OpenAI 发布的 Realtime API 公开测试版中。而 MiniMax 也看到了机会，开始与声网进行合作，声网创始人兼 CEO 赵斌在 RTE 2024 第十届实时互联网大会上表示，声网与 MiniMax 正在打磨中国第一个 Realtime API，基于该 API 的智能体产品，能够与人类进行轻松且流畅的实时语音交流。

除了 MiniMax，目前包括科大讯飞、智谱 AI、商汤科技等中国企业都在研发生成式 AI 对话产品，均与 GPT-4o 效果不相上下，OpenAI 近期也开放了 ChatGPT-4o 对话功能。

根据艾瑞咨询的统计，2021 年，对话式 AI 的市场规模为 45 亿元，带动规模 126 亿元。预计 2026 年，对话式 AI 市场规模将达 108 亿元，带动规模超 385 亿元，五年复合年均增长率（CAGR）达 32.5%。

（本文首发于钛媒体 App，作者｜林志佳，编辑｜胡润峰）