5月8日OpenAI上线三款语音模型，GPT - Realtime - 2推理能力大幅提升，你看好谁接力？

5月8日，OpenAI在API中加入三款新一代语音模型，包括GPT - Realtime - 2、Realtime - Translate和Realtime - Whisper。其中，GPT - Realtime - 2推理能力显著提升。

GPT - Realtime - 2：会“想”的语音助手

它是OpenAI首个具备GPT - 5级别推理能力的语音模型。引入前导语机制，有并行工具调用与工具透明性能力，上下文窗口从32K扩展至128K，还增强了专业术语理解能力，有可调节的推理强度。

基准测试：完胜前代模型

在Big Bench Audio评估中，GPT - Realtime - 2（high推理级别）准确率达96.6%，较GPT - Realtime - 1.5提升15.2个百分点；在Audio MultiChallenge评测中，平均通过率跃升至48.5%，相对提升13.8个百分点。

实时翻译与转录：各有专攻

GPT - Realtime - Translate专注实时多语言翻译，支持超70种输入语言；GPT - Realtime - Whisper是流式语音转文本模型，适用于低延迟转录场景。

安全与定价：保障与成本

Realtime API部署多层护栏，开发者可叠加自定义安全护栏。GPT - Realtime - 2按语音token计费，Translate和Whisper按时长计费。

未来展望：谁来接力？

OpenAI首席执行官提到人们用语音与AI互动的趋势。如今其语音推理能力上新，下一个接力的会是谁值得期待。

编辑观点：OpenAI此次发布三款语音模型，提升了语音AI水平。其在推理、翻译和转录方面的升级，将推动语音交互发展，后续竞争或更激烈。