OpenAI 今天推出了三款新的实时语音模型，帮助开发者更轻松地构建语音类应用。这三款模型分别针对不同需求：智能对话、实时翻译和语音转文字。
第一款叫 GPT-Realtime-2，是目前首个具备接近 GPT-5 水平推理能力的语音模型。它能在用户说话过程中边听边思考，保持对话自然流畅；支持随时打断、纠正，还能调用工具、结合上下文做出更准确的回应。
第二款是 GPT-Realtime-Translate，专注实时语音翻译，支持 70 多种语言输入、13 种语言输出，能基本跟上说话速度，实现接近同步的翻译效果。
第三款为 GPT-Realtime-Whisper，主打低延迟语音转文字，适合需要快速、精准把语音变成文字的场景。
这三款模型都已接入 OpenAI 的 Realtime API。价格方面：
- GPT-Realtime-2：每处理 100 万音频输入 Token 收费 32 美元（缓存部分 0.40 美元），每生成 100 万音频输出 Token 收费 64 美元；
- GPT-Realtime-Translate：每分钟 0.034 美元；
- GPT-Realtime-Whisper：每分钟 0.017 美元。