OpenAI 在其 API 中推出新的语音智能功能

Source: TechCrunch

新语音模型

GPT‑Realtime‑2

• 一个用于创建逼真语音模拟并与用户对话的语音模型。
• 融入了 GPT‑5 级别的推理能力，以处理更复杂的用户请求，较其前身（GPT‑Realtime‑1.5）有所提升。
• 了解更多关于 GPT‑Realtime‑2 的信息

GPT‑Realtime‑Translate

• 提供实时翻译服务，能够在对话流程中“跟上”用户的节奏。
• 支持 70+ 种输入语言（模型能够理解的语言）和 13 种输出语言（模型能够说的语言）。
• 支持的语言列表

GPT‑Realtime‑Whisper

• 提供实时语音转文字功能，能够在交互进行时捕获口语内容。

“我们推出的这些模型将实时音频从简单的呼叫‑响应转向能够真正完成工作的语音界面：倾听、推理、翻译、转录，并在对话展开时采取行动，”公司表示。

潜在使用场景

这些更新对以下领域尤为有价值：

• 扩展客服能力
• 教育平台
• 媒体制作
• 活动管理
• 创作者平台
• 以及其他受益于实时语音交互的应用

安全措施

OpenAI 已实施防护措施，以防止滥用，如垃圾信息、欺诈或其他形式的在线侵害。特定触发条件会中止违反公司有害内容指南的对话。

可用性与定价

所有新语音模型均可通过 OpenAI 的 Realtime API 使用。

• Translate 和 Whisper 按分钟计费。
• GPT‑Realtime‑2 按 token 消耗计费。