2026-05-14 14:24 UTC+8仅摘要更新: 2026-06-30 21:03 UTC+8

OpenAI新API语音模型将改变你使用AI的方式

OpenAI发布了三个新的实时语音模型：GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper，旨在让开发者构建能够实时听、推理、翻译、转录和执行操作的语音应用。这些模型支持更自然的对话、处理中断和纠正、128K上下文窗口、70+种语言的实时翻译等特性，适用于客户支持、会议翻译、实时字幕、旅行助手、医疗和职场助理等场景。

来源Analytics Vidhya作者: Sarthak Dogra

报告错误

纠错通道尚未开通，可先复制下方文章信息留存。

查看更正说明

本文仅提供摘要

根据来源内容权限，本站仅提供编辑摘要、要点和原文链接。

展开要点与分析

文章情报

工程师进阶

要点

OpenAI推出三个实时语音模型：GPT-Realtime-2（对话）、GPT-Realtime-Translate（翻译）、GPT-Realtime-Whisper（转录）。
模型支持实时处理语音，具备上下文理解、中断处理、工具调用等功能，上下文窗口提升至128K。
GPT-Realtime-Translate支持70+种输入语言翻译为13种输出语言，每分钟收费0.034美元。
开发者可控制语音风格和推理强度，模型定价从每分钟0.017美元到每百万音频输入tokens 32美元不等。

要点与分析由自动化流程生成，可能有误，请结合原始来源核实。