OpenAI刚刚发布了三款新的实时语音模型，称这些模型将“为开发者解锁新一类语音应用”。每款新的语音智能模型都有其针对不同用途的独特专长。

开发者可利用OpenAI的三款新语音模型构建全新应用体验

这三款OpenAI语音模型分别用于推理、和转录。

以下是公司今天宣布的

• GPT‑Realtime‑2，我们的首款具备GPT‑5级推理能力的语音模型，能够处理更复杂的请求并自然地推动对话向前。
• GPT‑Realtime‑Translate，一款全新的实时模型，可将70多种输入语言的语音成13种输出语言，并与说话者保持同步。
• GPT‑Realtime‑Whisper，一款全新的流式语音转文字模型，能够在说话者发声时实时转录。

OpenAI进一步解释了具备GPT‑5级推理能力的GPT‑Realtime‑2语音模型的新特性

GPT‑Realtime‑2专为实时语音交互而构建，模型在推理请求、调用工具、处理纠正或中断的同时，使对话保持流畅，并以符合当下情境的方式作出响应。

与此同时，公司表示，新语音模型支持“70种输入语言和13种输出语言”。

最后，是实时转录模型

GPT‑Realtime‑Whisper是一款为低延迟语音转文字而设计的流式转录模型。它在用户说话时实时转录音频，使实时产品感觉更快、更具响应性、更自然——从即时出现的字幕到能够跟上对话进度的会议记录。

公司称，这三款新语音模型均已纳入OpenAI的Realtime API，定价如下

• GPT‑Realtime‑2的定价为每1M音频输入代币 $32（缓存输入代币 $0.40），以及每1M音频输出代币 $64。
• GPT‑Realtime‑Translate的定价为每分钟 $0.034。
• GPT‑Realtime‑Whisper的定价为每分钟 $0.017。

您可以在Playground中测试这些新的实时语音模型。如果已安装Codex，点击下方提示的提交按钮即可将GPT‑Realtime‑2添加到现有应用或创建新应用。

您可以在此处进一步了解OpenAI最新语音模型以及已有公司如何使用这项新技术。

#GPT# #OpenAI# #开发者#