OpenAI 推出三款新的实时语音模型，包括具备 GPT-5 级推理能力的 GPT-Realtime-2 及实时翻译功能

OpenAI发布三款实时音频API模型

OpenAI正式推出三款全新实时音频模型，进一步拓展其语音交互与处理能力。此次更新包括具备GPT-5级推理能力的对话模型、多语言实时翻译模型及流式语音转文本模型，旨在满足复杂场景下的低延迟交互需求。

GPT-Realtime-2：强化推理与上下文能力

GPT-Realtime-2是一款支持自然对话的语音模型，核心升级包括：

• 推理增强：新增前言提示（如“让我查一下”）及带可听状态更新的并行工具调用功能；
• 上下文扩展：窗口容量从32K token提升至128K token；
• 灵活配置：支持从最低到xhigh多级可调的推理强度。

目前，Zillow、Deutsche Telekom、Priceline、Vimeo、Glean及Intercom等企业已作为早期测试用户接入该模型。

GPT-Realtime-Translate：70+语种实时互译

该模型专注于跨语言沟通，支持将70多种输入语言实时翻译为13种输出语言，适用于全球化业务中的即时语音翻译场景。

GPT-Realtime-Whisper：流式语音精准转录

作为一款流式语音转文本模型，GPT-Realtime-Whisper能够实现语音内容的实时高精度转录，为会议记录、字幕生成等应用提供底层技术支持。