OpenAI发布语音模型

OpenAI近日一口气发布三款实时语音模型——GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper，全面升级语音交互能力，为AI语音应用落地按下加速键。

GPT-Realtime-2：首款GPT-5级推理语音模型

作为本次发布的旗舰产品，GPT-Realtime-2首次将GPT-5级别的推理能力引入语音交互。该模型支持128K超长上下文窗口，可在复杂长对话中保持连贯性，并能实时调用外部工具、处理用户打断。性能测试显示，其音频理解准确率达96.6%，较前代产品提升15.2%。

翻译与转录：覆盖70+语言

GPT-Realtime-Translate支持超过70种输入语言实时翻译成13种输出语言，翻译速度与说话者语速同步，实现"同声传译"效果。GPT-Realtime-Whisper则专注于低延迟流式转录，转录延迟较前代降低67%，错误率下降41%。

商业落地：Zillow、Priceline、德国电信抢先测试

这些模型已集成到Realtime API供开发者调用，定价策略灵活：GPT-Realtime-2按Token计费（输入32美元/百万Token，输出64美元/百万Token），翻译和转录模型按分钟计费，分别为0.034美元/分钟和0.017美元/分钟。

Zillow用它构建可理解住房条件并安排看房的语音助手，Priceline测试旅游预订场景，德国电信则用于多语言客服。这些应用表明，语音交互正在从"能说"进化到"会做"。

OpenAI CEO奥特曼评价这是"相当大的一步前进"。语音正在成为人与AI之间最自然的交互界面。