日期:2026-05-09 13:58:06

IT之家5月8日消息,OpenAI发布三款实时语音模型,分别针对推理、翻译和转录场景,集成于RealtimeAPI供开发者调用。这三款模型为实时语音应用提供底层技术支撑,目标解决语音交互中的延迟、打断处理和多语言支持难题。
GPT-Realtime-2专为实时交互设计,是首款具备GPT-5级推理能力的语音模型。它在保持对话自然流畅的前提下,能在对话过程中进行推理、调用工具,并处理用户的打断或纠正。这意味着开发者可以构建更复杂的语音助手,并能执行多步骤任务。

定价方面,GPT-Realtime-2音频输入定价为每百万Token费用32美元(IT之家注:现汇率约合218.1元人民币),输出为64美元(现汇率约合436.2元人民币),缓存输入仅需0.4美元。
GPT-Realtime-Translate支持70种输入语言转13种输出语言,翻译速度与说话者同步,适用于跨国会议或实时沟通场景。
GPT-Realtime-Whisper则专注于低延迟流式转录,音频随说随转,让实时字幕和会议记录能跟上对话节奏,减少等待时间。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。
久联优配提示:文章来自网络,不代表本站观点。