AI 资讯速递 (2026/5/8)： OpenAI 推出三款实时语音模型
导读摘要：
OpenAI 推出三款实时语音模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。这些模型通过 Realtime API 开放，具备 GPT-5 级推理与工具调用能力、支持 70 多种语言实时互译、实现低延迟语音转录，并保留语调情感。
资讯详情
OpenAI 于 5 月 8 日周五宣布推出三款新的实时语音模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。这些模型通过 Realtime API 向开发者开放，旨在提升语音处理的效率和质量。官方表示，这些模型在推理能力、多语言支持和低延迟转录方面均有显著提升，能够满足不同场景下的需求。
GPT-Realtime-2：该模型具备 GPT-5 级的推理能力和工具调用能力，能够在实时对话中进行复杂的逻辑分析和任务执行。例如，它可以在会议中自动总结关键点并生成行动项，或者在客服场景中提供更智能的对话支持。
GPT-Realtime-Translate：支持 70 多种语言 的实时互译，每分钟成本仅约 0.25 元，较人类同传降低百倍。这一功能使得跨语言沟通变得更加便捷和经济，适用于国际会议、多语言客服和支持全球用户的在线服务。
GPT-Realtime-Whisper：实现 低延迟 的语音转录，能够在几毫秒内完成语音到文本的转换。这一特性对于需要即时反馈的应用场景（如实时字幕、语音助手）尤为重要。此外，该模型能够保留说话人的语调和情感，使转录内容更加自然和真实。
AI-ALL 深度点评
OpenAI 推出的这三款实时语音模型不仅在技术参数上达到了新的高度，更在实际应用中展示了强大的潜力。GPT-Realtime-2 的 GPT-5 级推理能力使其成为企业级应用的理想选择，特别是在需要快速响应和复杂任务处理的场景中。GPT-Realtime-Translate 的低成本和多语言支持将极大地推动全球化沟通的发展，降低语言障碍带来的成本和时间消耗。而 GPT-Realtime-Whisper 的低延迟转录功能则为实时字幕和语音助手等应用提供了更高效的技术支持。
这些模型的推出不仅丰富了 OpenAI 的产品线，也为 AI 生态系统注入了新的活力。通过 Realtime API 的开放，开发者可以更容易地将这些功能集成到自己的应用中，进一步推动 AI 技术在各个行业的普及和应用。