OpenAI 发布三款实时语音模型

5 月 8 日消息，今天，OpenAI 发布三款实时语音模型，分别针对语音推理、实时翻译和流式转录三类场景：

GPT-Realtime-2：构建可用于生产环境的语音智能体。它们能够进行更深入的思考、执行操作、处理中断，并让对话持续自然地进行；

GPT-Realtime-Translate：支持 70 多种输入语言和 13 种输出语言的实时翻译，打破语言障碍，帮助人们更自然地交流；

GPT-Realtime-Whisper：实时转录音频流，生成字幕和注释。

其中，GPT-Realtime-2 搭载「GPT-5 级别的推理能力」，专为语音交互场景设计，能够在持续对话过程中处理复杂请求、多线程调用外部工具、应对用户中断，并保持对话的自然流畅。

三款模型均已通过 OpenAI Realtime API 向开发者开放，并可在 OpenAI Playground 中进行测试。