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
“人工胚胎”，首次进入太空！
11日，我国天舟十号成功发射。“人工胚胎”太空实验是本次任务重点开展的5项空间生命科学实验之一，这是...
科学家预测：“哥斯拉级”厄尔尼...
科学家近日发出警告，太平洋上空正在形成一种被称为“哥斯拉”级的罕见厄尔尼诺气候模式。有科学家预测，这...
重庆启动科研人员顶岗培养计划 ...
5月12日，重庆市科研人员顶岗培养计划2026年度行前启动仪式举行。今年，重庆将选派212名高精尖青...
5G物联网卡：开启超低时延、高...
在万物互联的浪潮中，网络性能成为决定物联网应用广度与深度的核心要素。5G物联网卡凭借其超低时延、高带...
OpenAI前CTO创业的模型...
今天，大模型圈再次被点燃，这一次的火花来自前OpenAI应用研究负责人翁荔（Lilian Weng）...
原创 仅...
你见过连发芽都要挑“待遇”的树吗？6000万年前，恐龙都没能扛过灭绝的劫难，有一棵树却在中国西南的大...
1300亿，快手可灵酝酿“单飞...
来源：猎云精选，文/韩文静 AI视频生成赛道，从来不缺资本故事。 近日，快手旗下视频生成大模型“可灵...
市港航中心联合多部门开展水上应...
5月11日 市港航中心、船闸中心联合朝阳桥派出所 在京杭运河常州水上服务区 组织辖区安保人员开展水上...
平均分超本科线90分 成航无人...
封面新闻记者 赵紫萱 近日，记者走进了成都航空职业技术大学的无人机实训基地，眼前是一派忙碌而有序的景...
“六张网”何以成扩大内需发力点...
原标题：水网、新型电网、算力网、新一代通信网、城市地下管网、物流网——“六张网”何以成扩大内需发力点...