OpenAI最智能语音模型：GPT-Realtime-2登场，GPT-5级推理能力
创始人
2026-05-08 21:05:53
0次
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 Realtime API 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。
相关内容
热门资讯
长鑫存储LPDDR6研发取得新...
8月1日，据知情人士消息，这一轮LPDDR6全球首发量产竞赛中，长鑫存储已接近研发验证尾声，距首发量...
鹏程包装取得自动装车机专利，解...
国家知识产权局信息显示，青州市鹏程包装机械有限公司取得一项名为“自动装车机”的专利，授权公告号CN2...
原创 狂...
英伟达正式官宣与 Safe Superintelligence（SSI）达成长期战略合作，总投资规模...
原创 人...
追求长生不死这件事，从来就没有停过。 中国的历代帝王、西方的王公贵族，谁不想多活几年？他们请了一批又...
传音TECNO预告全新无边框概...
【太平洋科技快讯】据 IT 之家报道，传音旗下 TECNO 近日在官方社媒宣布，一款全新无边框概念手...
“拉索”首次“看清”黑洞如何产...
黑洞如何把粒子加速到宇宙最高能量？最新研究给出了答案。记者31日从中国科学院高能物理研究所获悉，国家...
原创 中...
中国的卫星规模增长很快，从2024年的大约600颗活跃卫星，涨到了2026年的一千颗以上，主要靠国网...
北京小程序开发设计应用梳理：场...
北京小程序开发设计在实际落地中，通常需要结合具体业务场景考虑功能边界、系统兼容性与后期维护成本。无论...
实探ChinaJoy：消费端丰...
8月1日，第23届中国国际数码互动娱乐展览会（以下简称“ChinaJoy”）步入活动第二日，上海新国...
原创 时...
时速近9000公里。这就是一块报废的SpaceX火箭残骸将于下周三撞击月球时的速度。全球行星科学家数...