OpenAI周四宣布，其API将新增多项语音智能功能，助力开发者打造具备对话、转录及翻译能力的应用程序。
GPT‑Realtime‑2：作为新一代语音模型，该版本采用GPT‑5级推理能力（区别于前代GPT-Realtime-1.5），专为处理复杂用户请求设计，旨在创建能与用户自然对话的真实声音模拟。
GPT‑Realtime‑Translate：提供“跟上”用户节奏的实时翻译服务。支持70+种输入语言理解及13种输出语言转译。
GPT-Realtime-Whisper：全新转录功能，可在交互发生时即时捕获并转换语音为文本。
OpenAI表示：“这些模型正推动实时音频从简单的呼叫-响应模式，迈向真正能执行任务的语音界面：在对话展开过程中倾听、推理、翻译、转录并采取行动。”
适用场景：主要面向希望扩展客户服务能力的企业，同时覆盖教育、媒体、活动及创作者平台等领域。
安全机制：针对潜在的滥用风险（如垃圾信息、欺诈等），系统已内置护栏与特定触发器，一旦检测到对话违反有害内容指南，将立即中止。
计费方式：所有新语音模型均包含在Realtime API中。其中Translate和Whisper按分钟计费，GPT-Realtime-2按令牌消耗量计费。