OpenAI 推出三款具備 GPT-5 級別推理能力的即時語音模型

人工智慧巨頭 OpenAI 透過正式推出三款全新的即時語音模型——GPT-Realtime-2、GPT-Realtime-Translate 以及 GPT-Realtime-Whisper——再次拓展了語音技術的疆界。 這些模型現已整合至開發者專用的 Realtime API 中,旨在解決常見的語音互動挑戰,例如高延遲、缺乏自然的打斷處理能力,以及多語言支援問題。
本次發布的亮點在於 GPT-Realtime-2,它被譽為迄今為止最智能的人工智慧語音模型,也是首款具備 GPT-5 級別推理能力的語音工具。 與傳統語音助理不同,它不僅能進行極其自然、流暢的對話,還能同時進行即時邏輯推理、無縫呼叫外部工具,並精準偵測及回應使用者的打斷或修正。這項突破預示著,未來的語音助理將超越單純的指令執行者,進化為能夠管理多步驟複雜任務的即時協作夥伴。
GPT-Realtime-2 的定價為:語音輸入每百萬個代幣 32 美元(約合 218 人民幣),輸出每百萬個代幣 64 美元(約合 436 人民幣)。快取輸入的成本則低得多,僅為每百萬個代幣 0.4 美元。
除了核心推理模型外,另外兩個功能模型也具備獨特的能力。GPT-Realtime-Translate 提供強大的翻譯表現,支援 70 種輸入語言與 13 種輸出語言的即時轉換。其翻譯速度幾乎能與說話者的語速同步,非常適合國際會議等高需求的即時溝通情境。 GPT-Realtime-Whisper 則專注於超低延遲的串流轉錄,提供「語音隨人而動」的體驗,大幅縮短會議記錄與即時字幕的等待時間。這兩款模型採用更靈活的計費方式,分別以每分鐘 0.034 美元和 0.017 美元計費。
業界分析師認為,OpenAI 的最新舉措標誌著 AI 語音互動正從「簡單回應」轉向「深度即時理解」,進一步鞏固了該公司在智慧時代的技術領導地位。
相關文章
在OpenAI和Anthropic之後,亞馬遜啟動新的10億美元FDE組織
隨著企業努力應對人工智慧整合問題,它們正轉向外部專家,促使服務提供商建立專門團隊以確保成功實施。週二,亞馬遜網路服務(AWS)宣佈成立一個新的內部部門,專門負責面向人工智慧的前置部署工程師。這些工程師將嵌入客戶組織中,以部署專門設計的智慧體,優先考慮快速部署,並賦予客戶獨立運營的能力。在宣佈該新部門的帖子中,AWS前沿人工智慧副總裁Francessca Vasquez強調,該部門的工作不僅僅是構建和維護請求的系統。“客戶在離開AWS FDE部署時,不僅獲得了新的解決方案,還獲得了新的工程能力
白宮放棄“超級智慧”的AI標籤
正在載入播放器……本週,白宮召集了幾乎所有主要科技公司的執行長齊聚一堂——包括扎克伯格、貝索斯、馬斯克以及 Anthropic 的達里奧·阿莫迪——簽署了一份人工智慧安全承諾,美國總統唐納德·特朗普稱該承諾“具有道德約束力”。特朗普還簽署了一項行政命令,正式將人工智慧重新定義為“超級智慧”,與此同時,Meta 和 OpenAI 正致力於使其人工智慧產品更加使用者友好,儘管來自企業部門的人工智慧最大金融投資仍在持續湧入。在本期 TechCrunch 的 Equity 播客節目中,Kirste
亞馬遜運用人工智慧與潔淨能源推動資料中心擴建
亞馬遜運用人工智慧、核能及電動車,在擴展基礎設施的同時降低碳強度。圖片來源:亞馬遜亞馬遜的《2025年永續發展報告》詳述了這家科技巨頭如何整合人工智慧與核能投資,在擴展全球基礎設施的同時降低碳排放。根據亞馬遜《2025年永續發展報告》,該公司全球營運所消耗的電力已連續第三年100%由再生能源供應。該公司透過其零碳能源組合實現此目標,該組合包含 712 個專案,總容量達 42GW,以支援資料中心的全
相關專題推薦
評論 (0)
0/500

人工智慧巨頭 OpenAI 透過正式推出三款全新的即時語音模型——GPT-Realtime-2、GPT-Realtime-Translate 以及 GPT-Realtime-Whisper——再次拓展了語音技術的疆界。 這些模型現已整合至開發者專用的 Realtime API 中,旨在解決常見的語音互動挑戰,例如高延遲、缺乏自然的打斷處理能力,以及多語言支援問題。
本次發布的亮點在於 GPT-Realtime-2,它被譽為迄今為止最智能的人工智慧語音模型,也是首款具備 GPT-5 級別推理能力的語音工具。 與傳統語音助理不同,它不僅能進行極其自然、流暢的對話,還能同時進行即時邏輯推理、無縫呼叫外部工具,並精準偵測及回應使用者的打斷或修正。這項突破預示著,未來的語音助理將超越單純的指令執行者,進化為能夠管理多步驟複雜任務的即時協作夥伴。
GPT-Realtime-2 的定價為:語音輸入每百萬個代幣 32 美元(約合 218 人民幣),輸出每百萬個代幣 64 美元(約合 436 人民幣)。快取輸入的成本則低得多,僅為每百萬個代幣 0.4 美元。
除了核心推理模型外,另外兩個功能模型也具備獨特的能力。GPT-Realtime-Translate 提供強大的翻譯表現,支援 70 種輸入語言與 13 種輸出語言的即時轉換。其翻譯速度幾乎能與說話者的語速同步,非常適合國際會議等高需求的即時溝通情境。 GPT-Realtime-Whisper 則專注於超低延遲的串流轉錄,提供「語音隨人而動」的體驗,大幅縮短會議記錄與即時字幕的等待時間。這兩款模型採用更靈活的計費方式,分別以每分鐘 0.034 美元和 0.017 美元計費。
業界分析師認為,OpenAI 的最新舉措標誌著 AI 語音互動正從「簡單回應」轉向「深度即時理解」,進一步鞏固了該公司在智慧時代的技術領導地位。
在OpenAI和Anthropic之後,亞馬遜啟動新的10億美元FDE組織
隨著企業努力應對人工智慧整合問題,它們正轉向外部專家,促使服務提供商建立專門團隊以確保成功實施。週二,亞馬遜網路服務(AWS)宣佈成立一個新的內部部門,專門負責面向人工智慧的前置部署工程師。這些工程師將嵌入客戶組織中,以部署專門設計的智慧體,優先考慮快速部署,並賦予客戶獨立運營的能力。在宣佈該新部門的帖子中,AWS前沿人工智慧副總裁Francessca Vasquez強調,該部門的工作不僅僅是構建和維護請求的系統。“客戶在離開AWS FDE部署時,不僅獲得了新的解決方案,還獲得了新的工程能力
白宮放棄“超級智慧”的AI標籤
正在載入播放器……本週,白宮召集了幾乎所有主要科技公司的執行長齊聚一堂——包括扎克伯格、貝索斯、馬斯克以及 Anthropic 的達里奧·阿莫迪——簽署了一份人工智慧安全承諾,美國總統唐納德·特朗普稱該承諾“具有道德約束力”。特朗普還簽署了一項行政命令,正式將人工智慧重新定義為“超級智慧”,與此同時,Meta 和 OpenAI 正致力於使其人工智慧產品更加使用者友好,儘管來自企業部門的人工智慧最大金融投資仍在持續湧入。在本期 TechCrunch 的 Equity 播客節目中,Kirste
亞馬遜運用人工智慧與潔淨能源推動資料中心擴建
亞馬遜運用人工智慧、核能及電動車,在擴展基礎設施的同時降低碳強度。圖片來源:亞馬遜亞馬遜的《2025年永續發展報告》詳述了這家科技巨頭如何整合人工智慧與核能投資,在擴展全球基礎設施的同時降低碳排放。根據亞馬遜《2025年永續發展報告》,該公司全球營運所消耗的電力已連續第三年100%由再生能源供應。該公司透過其零碳能源組合實現此目標,該組合包含 712 個專案,總容量達 42GW,以支援資料中心的全





首頁






