OpenAI 推出新一代语音智能 API，三款模型覆盖对话、翻译、转写三大场景

OpenAI 于本周四宣布面向 API 用户开放一系列全新语音智能功能，旨在帮助开发者打造能够「听懂、会说、能译」的对话应用。

GPT‑Realtime‑2：基于 GPT‑5 级推理的语音模型

新发布的 GPT‑Realtime‑2 是继 GPT‑Realtime‑1.5 之后的又一款语音模型，最大亮点是接入了 GPT‑5 级推理能力。OpenAI 表示，这使其能够处理更复杂的用户请求，在对话流畅度和语义理解上显著优于前代产品。

GPT‑Realtime‑Translate：70 种语言的实时翻译

同期上线的还有实时翻译模型 GPT‑Realtime‑Translate，能够「跟上」用户的说话节奏进行即时翻译。该模型支持 70 种输入语言（即识别语种）和 13 种输出语言（即翻译后输出的语种），覆盖主流国际语言场景。

GPT‑Realtime‑Whisper：交互过程中的实时转写

第三款产品 GPT‑Realtime‑Whisper 基于 OpenAI 自研的 Whisper 技术实现，提供实时语音转文字能力，用户在对话过程中即可同步获得转录文本。

应用场景与安全考量

OpenAI 指出，这三款模型共同将实时音频从简单的「问答」推向「真正能干活」的语音交互界面——能够倾听、推理、翻译、转写，并在对话进行中执行操作。

目标用户群体包括但不限于：

• 客服场景：企业可借此扩展自动化客服能力
• 教育平台：实时翻译和转写可提升多语言课堂体验
• 媒体与活动：会议内容实时转录与多语言同传
• 创作者工具：播客、视频字幕自动化生成

不过，随着能力增强，滥用风险也随之上升。OpenAI 明确表示已内置多项安全防护机制，当系统检测到对话违反其有害内容准则时，将自动终止对话，以防止垃圾信息、欺诈等滥用行为。

计费方式

三款模型均已纳入 OpenAI Realtime API：

• GPT‑Realtime‑Translate 与 GPT‑Realtime‑Whisper：按分钟计费
• GPT‑Realtime‑2：按 token 消耗计费

延伸阅读

• 全新 GPT‑Realtime‑2 模型发布
• 支持 70 种输入语言
• OpenAI Realtime API 概览