OpenAI 推出 GPT-5 级实时语音模型：多场景高效交互新选择
OpenAI近日推出三款实时语音模型，旨在解决语音交互的响应延迟、打断处理和多语言支持等问题。GPT-Realtime-2具备GPT-5级别推理能力，GPT-Realtime-Translate支持70种语言实时转换，GPT-Realtime-Whisper则专注于低延迟转录，为开发者提供高效解决方案。
OpenAI 推出全新实时语音模型
5月8日，OpenAI在Realtime API中集成了三款新的实时语音模型，针对逻辑推理、多语种翻译和流式转录场景提供技术支持。这些模型旨在解决语音交互领域存在的响应延迟、打断处理困难以及多语言支持不足等核心痛点。
GPT-Realtime-2：具备GPT-5级推理能力
作为此次更新的亮点，GPT-Realtime-2是全球首款展现出GPT-5级别推理能力的实时语音模型。它能在保持对话流畅度的同时，同步进行复杂推理和调用外部工具，并能精准识别用户的即时打断或纠正。
GPT-Realtime-Translate：多语种实时转换
针对特定应用场景，GPT-Realtime-Translate支持将70种输入语言即时转化为13种输出语言，适用于跨国会议等实时沟通环境，按分钟计费，价格为每分钟0.034美元。
GPT-Realtime-Whisper：低延迟流式转录
专注于低延迟流式转录的GPT-Realtime-Whisper实现了“随说随转”，能够实时生成字幕和会议记录，显著减少等待感，计费标准为每分钟0.017美元。