OpenAI 发布了三款具备 GPT-5 级别推理能力的实时语音模型

人工智能巨头 OpenAI 通过正式推出三款新的实时语音模型——GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper,再次拓展了语音技术的边界。 这些模型现已集成到面向开发者的实时API中,旨在解决高延迟、缺乏自然的打断处理以及多语言支持等常见语音交互难题。
此次发布中最引人注目的当属 GPT-Realtime-2,它被誉为迄今为止最智能的人工智能语音模型,也是首个具备 GPT-5 级别推理能力的语音工具。 与传统语音助手不同,它不仅能进行高度自然、流畅的对话,还能同时进行实时逻辑推理、无缝调用外部工具,并准确检测和响应用户的打断或更正。这一突破预示着,未来的语音助手将不再局限于简单的命令执行者,而是会演变为能够管理多步骤复杂任务的实时协作伙伴。
GPT-Realtime-2的定价为:音频输入每百万代币32美元(约合218元人民币),输出每百万代币64美元(约合436元人民币)。缓存输入的成本则低得多,仅为每百万代币0.4美元。
除核心推理模型外,另外两个功能模型也具备独特的能力。GPT-Realtime-Translate 提供强大的翻译性能,支持 70 种输入语言和 13 种输出语言的实时转换。其翻译速度几乎与说话者的语速同步,非常适合国际会议等高要求的实时沟通场景。 GPT-Realtime-Whisper 专注于超低延迟的流式转录,提供“声音紧随发言者”的体验,显著缩短了会议记录和实时字幕的等待时间。这两个模型采用更灵活的计费方式,分别按每分钟 0.034 美元和 0.017 美元收费。
行业分析师认为,OpenAI的最新举措标志着AI语音交互正从“简单响应”向“深度实时理解”转变,进一步巩固了该公司在智能时代的技术领导地位。
相关文章
在OpenAI和Anthropic之后,亚马逊启动新的10亿美元FDE组织
随着企业努力应对人工智能集成问题,它们正转向外部专家,促使服务提供商建立专门团队以确保成功实施。周二,亚马逊网络服务(AWS)宣布成立一个新的内部部门,专门负责面向人工智能的前置部署工程师。这些工程师将嵌入客户组织中,以部署专门设计的智能体,优先考虑快速部署,并赋予客户独立运营的能力。在宣布该新部门的帖子中,AWS前沿人工智能副总裁Francessca Vasquez强调,该部门的工作不仅仅是构建和维护请求的系统。“客户在离开AWS FDE部署时,不仅获得了新的解决方案,还获得了新的工程能力
白宫放弃“超级智能”的AI标签
正在加载播放器……本周,白宫召集了几乎所有主要科技公司的首席执行官齐聚一堂——包括扎克伯格、贝索斯、马斯克以及 Anthropic 的达里奥·阿莫迪——签署了一份人工智能安全承诺,美国总统唐纳德·特朗普称该承诺“具有道德约束力”。特朗普还签署了一项行政命令,正式将人工智能重新定义为“超级智能”,与此同时,Meta 和 OpenAI 正致力于使其人工智能产品更加用户友好,尽管来自企业部门的人工智能最大金融投资仍在持续涌入。在本期 TechCrunch 的 Equity 播客节目中,Kirste
亚马逊借助人工智能和清洁能源推动数据中心扩张
亚马逊利用人工智能、核能和电动汽车来扩大基础设施规模,同时降低碳强度。图片来源:亚马逊亚马逊《2025年可持续发展报告》详细阐述了这家科技巨头如何整合人工智能和核能投资,在扩大全球基础设施规模的同时降低碳排放。根据亚马逊《2025年可持续发展报告》,该公司全球运营所消耗的电力已连续第三年100%由可再生能源满足。该公司通过其零碳能源组合实现了这一目标,该组合包含712个项目,总装机容量达42GW,
相关专题推荐
评论 (0)
0/500

人工智能巨头 OpenAI 通过正式推出三款新的实时语音模型——GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper,再次拓展了语音技术的边界。 这些模型现已集成到面向开发者的实时API中,旨在解决高延迟、缺乏自然的打断处理以及多语言支持等常见语音交互难题。
此次发布中最引人注目的当属 GPT-Realtime-2,它被誉为迄今为止最智能的人工智能语音模型,也是首个具备 GPT-5 级别推理能力的语音工具。 与传统语音助手不同,它不仅能进行高度自然、流畅的对话,还能同时进行实时逻辑推理、无缝调用外部工具,并准确检测和响应用户的打断或更正。这一突破预示着,未来的语音助手将不再局限于简单的命令执行者,而是会演变为能够管理多步骤复杂任务的实时协作伙伴。
GPT-Realtime-2的定价为:音频输入每百万代币32美元(约合218元人民币),输出每百万代币64美元(约合436元人民币)。缓存输入的成本则低得多,仅为每百万代币0.4美元。
除核心推理模型外,另外两个功能模型也具备独特的能力。GPT-Realtime-Translate 提供强大的翻译性能,支持 70 种输入语言和 13 种输出语言的实时转换。其翻译速度几乎与说话者的语速同步,非常适合国际会议等高要求的实时沟通场景。 GPT-Realtime-Whisper 专注于超低延迟的流式转录,提供“声音紧随发言者”的体验,显著缩短了会议记录和实时字幕的等待时间。这两个模型采用更灵活的计费方式,分别按每分钟 0.034 美元和 0.017 美元收费。
行业分析师认为,OpenAI的最新举措标志着AI语音交互正从“简单响应”向“深度实时理解”转变,进一步巩固了该公司在智能时代的技术领导地位。
在OpenAI和Anthropic之后,亚马逊启动新的10亿美元FDE组织
随着企业努力应对人工智能集成问题,它们正转向外部专家,促使服务提供商建立专门团队以确保成功实施。周二,亚马逊网络服务(AWS)宣布成立一个新的内部部门,专门负责面向人工智能的前置部署工程师。这些工程师将嵌入客户组织中,以部署专门设计的智能体,优先考虑快速部署,并赋予客户独立运营的能力。在宣布该新部门的帖子中,AWS前沿人工智能副总裁Francessca Vasquez强调,该部门的工作不仅仅是构建和维护请求的系统。“客户在离开AWS FDE部署时,不仅获得了新的解决方案,还获得了新的工程能力
白宫放弃“超级智能”的AI标签
正在加载播放器……本周,白宫召集了几乎所有主要科技公司的首席执行官齐聚一堂——包括扎克伯格、贝索斯、马斯克以及 Anthropic 的达里奥·阿莫迪——签署了一份人工智能安全承诺,美国总统唐纳德·特朗普称该承诺“具有道德约束力”。特朗普还签署了一项行政命令,正式将人工智能重新定义为“超级智能”,与此同时,Meta 和 OpenAI 正致力于使其人工智能产品更加用户友好,尽管来自企业部门的人工智能最大金融投资仍在持续涌入。在本期 TechCrunch 的 Equity 播客节目中,Kirste
亚马逊借助人工智能和清洁能源推动数据中心扩张
亚马逊利用人工智能、核能和电动汽车来扩大基础设施规模,同时降低碳强度。图片来源:亚马逊亚马逊《2025年可持续发展报告》详细阐述了这家科技巨头如何整合人工智能和核能投资,在扩大全球基础设施规模的同时降低碳排放。根据亚马逊《2025年可持续发展报告》,该公司全球运营所消耗的电力已连续第三年100%由可再生能源满足。该公司通过其零碳能源组合实现了这一目标,该组合包含712个项目,总装机容量达42GW,





首页






