WebRTC
Transporte de voz en navegador
Usa WebRTC cuando necesitas micrófono y salida de audio de baja latencia dentro de un producto web.
Ideal para asistentes de voz en navegador con turnos rápidos.
Construye agentes de voz en tiempo real con GPT Realtime 2
Diseña asistentes de voz de baja latencia, traducción en vivo, transcripción en streaming y experiencias con herramientas para equipos de producción.
Un espacio independiente para builders que trabajan con GPT Realtime 2, WebRTC, herramientas y operación de voz.
Estudio de voz
Generacion de voz para narracion, dialogo y transcripciones
Genera narraciones, dialogos o transcripciones con herramientas de voz IA.
Voz
Voz IA
Realtime voice agent planning
GPT Realtime 2 is for teams planning low-latency voice agents with the OpenAI Realtime API
GPT Realtime 2 is an independent workspace for mapping realtime speech-to-speech agents, browser WebRTC sessions, server-side WebSocket audio, streaming transcription, live translation, tool calls, and production usage controls before a team ships a voice workflow.
Last updated:
Key takeaways
- Use WebRTC when a browser or mobile client needs responsive microphone input and audio output.
- Use WebSocket when a backend service owns audio routing, recording, telephony, or policy enforcement.
- Treat tool calls, escalation, monitoring, and cost controls as launch requirements, not afterthoughts.
Architecture fit table
| Workflow signal | Recommended setup | Why it matters |
|---|---|---|
| Browser voice assistant | WebRTC session with short-lived client access | Keeps microphone and playback latency low while avoiding long-lived secrets in the client. |
| Call center or telephony path | Server-controlled realtime audio with explicit handoff rules | Lets the backend manage routing, logs, compliance review, and human escalation. |
| Live translation or transcription | Separate session settings, transcript review, and usage budget | Keeps language handling, quality checks, and cost forecasting visible to operators. |
Primary references
Capacidades de voz para flujos de trabajo serios
La página se centra en lo que necesita un equipo: conversaciones ágiles, sesiones controladas, transcripciones útiles y acciones conectadas a sistemas.
Agentes speech-to-speech
Conversaciones naturales para soporte, coaching, intake y operaciones guiadas.
Transcripción en streaming
Convierte sesiones habladas en texto útil para revisión, búsqueda, QA y seguimiento.
Traducción en vivo
Mantén conversaciones multilingües usables mientras están ocurriendo.
Conversaciones con herramientas
Permite consultar registros, crear tickets, actualizar sistemas o activar acciones aprobadas.
Control de sesión
Ajusta instrucciones, comportamiento de voz, contexto y reglas de transferencia.
Visibilidad de uso
Planifica por duración de sesión, modelo, herramientas y contexto para presupuestar mejor.
Flujo
De una idea de voz a un agente listo para operar
Un modelo de trabajo claro para que el sistema parezca profesional desde el primer vistazo.
1
Define el agente
Fija rol, límites, reglas de escalamiento y criterios de éxito antes de conectar herramientas.
2
Configura sesiones realtime
Elige voz, modos de entrada, turnos y estrategia de contexto para cada canal.
3
Conecta herramientas y datos
Añade solo los sistemas necesarios, con permisos claros y rutas de fallo previsibles.
4
Revisa uso y lanza
Comprueba calidad de transcripción, latencia, actividad de herramientas y consumo de créditos.
Arquitectura
Patrones de implementación para voz realtime
Elige transporte y forma de sesión según el canal: navegador, audio en servidor, acceso seguro y conversaciones con herramientas.
Ver arquitectura
Pipeline de audio
Streams del lado servidor
Útil cuando pesan más la orquestación backend, la grabación, la telefonía o la revisión de cumplimiento.
Ideal para enrutamiento de llamadas, auditoría, estado en servidor e integraciones.
Seguridad
Acceso efímero
Emite secretos de cliente de corta duración desde tu servidor para no exponer credenciales privilegiadas.
Ideal para clientes de producción con inicio seguro y políticas centralizadas.
Herramientas
Herramientas y políticas
Conecta llamadas a funciones, reglas de negocio, recuperación de información y transferencia humana.
Ideal para soporte, ventas, formación, operaciones y copilotos internos.
Pensado para restricciones reales de producción
La página debe transmitir una plataforma profesional de voz, no una página pasajera.
128K ventana de contexto para flujos realtime extensos
128K
ventana de contexto para flujos realtime extensos
WebRTC voz en navegador con baja latencia
WebRTC
voz en navegador con baja latencia
Tools llamadas a funciones para acciones y transferencias
Tools
llamadas a funciones para acciones y transferencias
Dónde encajan los agentes de voz realtime
Posicionamos GPT Realtime 2 alrededor de conversaciones de negocio concretas.
Soporte al cliente por voz
Responde preguntas frecuentes, recopila contexto y transfiere a una persona cuando toca.
Calificación de ventas
Recoge necesidades, enruta leads y actualiza herramientas comerciales.
Tutores de idiomas
Practica conversación con correcciones, resúmenes y avance adaptativo.
Asistentes de traducción en vivo
Ayuda a equipos multilingües en llamadas, campo, viajes y operaciones.
Copilotos de reuniones y campo
Convierte actualizaciones habladas en notas, tareas y registros.
Asistentes de operaciones internas
Guía checklists, políticas y acciones de sistema sin usar las manos.
FAQ de GPT Realtime 2
Respuestas claras para equipos que evalúan agentes de voz realtime.