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
Google 推出 Veo 3.1 Lite 影片模式,讓 Ultra 訂閱用戶享有無限生成權限
Google 推出了一種新的影片生成模式「Veo 3.1 - Lite [低優先級]」,專供 Ultra 訂閱用戶使用,以提升創作產出與成本效益。 此模式的主要優勢在於運作時不會消耗額外的訂閱額度,並與現有的「Veo 3.1 - Fast [低優先級]」選項並行運作,從而降低高品質 AI 影片創作的門檻。作為 Google 產品陣容中最具成本效益且反應最迅速的選項,Veo 3.1 Lite 的價格
ChatGPT 深度整合功能透過對話解鎖 30 萬部電影與電視節目
隨著串流服務以源源不絕的內容淹沒市場,如何協助使用者穿透資訊雜音、找到他們真正想要的內容,已成為業界面臨的一項關鍵挑戰。4月9日,各大串流服務商正式宣布整合ChatGPT應用生態系統。作為首個原生內建此項技術的平台,該服務旨在透過運用 AI 驅動的洞察力,徹底改變觀眾發現與消費影音內容的方式。核心體驗:摒棄關鍵字,以自然語感搜尋在整合ChatGPT 之後,該平台已超越傳統的類型篩選機制,提供更智慧
如何改善「核心網路指標」以提升 SEO 排名
透過 AI 驅動的字幕功能,徹底改變您的影片剪輯工作流程目錄:簡介自動轉錄的關鍵優勢確保準確性並優化輸出結果善用字幕中的搜尋功能無縫匯入現有檔案Transcript.com 介紹透過 Transcript.com 輕鬆編輯靈活的匯出格式全面的語言支援結論簡介Transcripted 是一款運用人工智慧生成自動轉錄文字的 Premiere 外掛程式。本指南將深入探討其核心功能,包括高準確度、進階搜尋
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。
Google 推出 Veo 3.1 Lite 影片模式,讓 Ultra 訂閱用戶享有無限生成權限
Google 推出了一種新的影片生成模式「Veo 3.1 - Lite [低優先級]」,專供 Ultra 訂閱用戶使用,以提升創作產出與成本效益。 此模式的主要優勢在於運作時不會消耗額外的訂閱額度,並與現有的「Veo 3.1 - Fast [低優先級]」選項並行運作,從而降低高品質 AI 影片創作的門檻。作為 Google 產品陣容中最具成本效益且反應最迅速的選項,Veo 3.1 Lite 的價格
ChatGPT 深度整合功能透過對話解鎖 30 萬部電影與電視節目
隨著串流服務以源源不絕的內容淹沒市場,如何協助使用者穿透資訊雜音、找到他們真正想要的內容,已成為業界面臨的一項關鍵挑戰。4月9日,各大串流服務商正式宣布整合ChatGPT應用生態系統。作為首個原生內建此項技術的平台,該服務旨在透過運用 AI 驅動的洞察力,徹底改變觀眾發現與消費影音內容的方式。核心體驗:摒棄關鍵字,以自然語感搜尋在整合ChatGPT 之後,該平台已超越傳統的類型篩選機制,提供更智慧
如何改善「核心網路指標」以提升 SEO 排名
透過 AI 驅動的字幕功能,徹底改變您的影片剪輯工作流程目錄:簡介自動轉錄的關鍵優勢確保準確性並優化輸出結果善用字幕中的搜尋功能無縫匯入現有檔案Transcript.com 介紹透過 Transcript.com 輕鬆編輯靈活的匯出格式全面的語言支援結論簡介Transcripted 是一款運用人工智慧生成自動轉錄文字的 Premiere 外掛程式。本指南將深入探討其核心功能,包括高準確度、進階搜尋





首頁






