OpenAI 2026年5月上线三款实时语音交互模型，支持端到端低延迟对话
05-08 13:11
精选参考来源
新浪微博 2026-05-08
微信公众号 2025-12-17
来源
精选参考来源
1. OpenAI 在 Realtime API 里上线了三款新语音模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper，分别管对话、翻译和实时转录。【1】主角：GPT-Realtime-2号称带 GPT-5 级别的推理能力。比上一代 GPT-Realtime-1.5，在 Big Bench Audio 智能测试上从 81.4% 涨到 96.6%，Audio MultiChallenge 多轮对话指令跟随从 34.7% 涨到 48.5%。几个实际变化：开口前会先垫一句。执行长任务前先说"我查一下""稍等一下"，避免用户对着空气以为它死机了。工具调用透明化。能同时调多个工具，过程会被念出来，比如"正在查你的日历""正在搜索"，让用户听到 agent 在干什么。上下文窗口从 32K 扩到 128K，能撑更长的对话和更复杂的任务编排。开发者可以在 minimal 到 xhigh 五档推理强度里选，默认 low。简单问答用低延迟，复杂任务挂高推理。出错时会说"这块我现在处理不了"，不再直接卡死或乱讲。【2】Translate 和 WhisperGPT-Realtime-Translate 支持 70 多种输入语言、13 种输出语言的实时语音翻译，主打跨境客服、教育、直播场景。德国电信已经在测；BolnaAI 在印地语、泰米尔语、泰卢固语等印度方言场景下报告错词率比其他模型低 12.5%。GPT-Realtime-Whisper 是流式版 Whisper，边说边出字幕，主打会议、直播、客服转录。【3】价格GPT-Realtime-2：每百万音频输入 token $32（缓存 $0.40），输出 token $64。GPT-Realtime-Translate：每分钟 $0.034。GPT-Realtime-Whisper：每分钟 $0.017。三款都已在 Realtime API 上线，Playground 可以直接试 GPT-Realtime-2。官方公告：网页链接 宝玉xp的微博视频
新浪微博 2026-05-08 00:00:00
2. OpenAI发布了其实时API的新模型
微信公众号 2025-12-17 00:00:00
3. Memories.ai发布AI穿戴硬件，基于自研视觉记忆引擎；gpt-realtime-1.5模型发布，优化语音工作流丨日报
知乎 2026-02-25 00:00:00
4. OpenAI 上线 gpt-realtime-1.5 语音模型【AI 早报 2026-02-24】
哔哩哔哩 2026-02-24 00:00:00
5. ChatGPT 升级多模态交互 语音文本无缝合并打破体验边界
今日头条 2025-11-26 00:00:00
6. ChatGPT 融合了语音和文字聊天
微信公众号 2025-11-27 00:00:00
已收藏
去我的收藏夹