OpenAI 推出三款实时语音模型 助力流畅语音交互与跨语言沟通

OpenAI 近日发布三款实时语音模型，集成于 Realtime API 供开发者调用，旨在解决语音交互中的延迟、打断处理及多语言支持等痛点。这三款模型分别针对推理、翻译和转录场景，为实时语音应用提供底层技术支撑。

其中，GPT-Realtime-2 是首款具备 GPT-5 级推理能力的语音模型，能在保持对话流畅的同时处理用户打断或纠正，并支持工具调用，助力开发者构建复杂语音助手。GPT-Realtime-Translate 支持 70 种输入语言转 13 种输出语言，翻译速度与说话同步；GPT-Realtime-Whisper 则专注低延迟流式转录，适用于实时字幕等场景。

定价方面，GPT-Realtime-2 按 Token 计费，输入每百万 Token32 美元，输出 64 美元；翻译和转录模型按分钟计费，分别为每分钟 0.034 美元和 0.017 美元。