通过 API 新模型推进语音智能 (opens in new tab)

📌 One-Sentence Summary OpenAI 在 API 中推出了三个新的音频模型——GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper——为开发者提供更智能、更自然且可操作的实时语音应用能力。 📝 Summary OpenAI 在其 API 中发布了三个新的音频模型，旨在推进开发者的实时语音智能。GPT-Realtime-2 是旗舰模型，具备 GPT-5 级别的推理能力、128K 上下文窗口、并行工具调用、可调节的推理深度以及改进的恢复行为，使语音智能体能够推理、执行操作并维持自然的对话流程。GPT-Realtime-Translate 支持从超过 70 种输入语言到 13 种输出语言的实时翻译，同时保留原意和语速。GPT-Realtime-Whisper 是一个流式语音转文本模型，用于低延迟转录。文章详细介绍了三种新兴的语音 AI 模式——语音到行动、系统到语音和语音到语音——并展示了 Zillow、Priceline 和德国电信等早期采用者的案例。定价方面，GPT-Realtime-2 为 ...