OpenAI 周四宣布，其 Realtime API 将新增多项语音智能功能，帮助开发者打造能听、能说、能翻译、能转写的应用程序。 核心产品包括三款新模型。GPT-Realtime-2 基于 GPT-5 级推理能力，可处理更复杂的用户指令，实现更自然的语音对话；GPT-Realtime-Translate 支持实时翻译，覆盖70多种输入语言和13种输出语言，对话过程中即时切换；GPT-Realtime-Whisper 则提供实时语音转文字能力，在对话发生的同时完成转写。 OpenAI 表示，这些新模型正推动实时音频技术从简单的"问答式"交互，迈向能真正"听、推理、翻译、转写并执行操作"的语音界面。目标应用涵盖客户服务、教育、媒体、活动及创作者平台等多个领域。 针对潜在滥用风险，OpenAI 称已内置护栏机制，当对话检测到违反有害内容指南时，系统可自动中断。 定价方面，Translate 和 Whisper 按分钟计费，GPT-Realtime-2 按 Token 消耗计费，均已纳入 Realtime API。