近日，OpenAI对其语音实时API进行了重大版本迭代，正式推出三款全新的高阶语音智能模型。此次升级全面强化了AI在实时听觉理解、自然口语对话、多语言翻译与精准转录等维度的综合性能，同时大幅降低了企业集成智能语音能力的技术成本与开发周期，为开发者构建下一代语音应用提供了更先进、更易用的核心引擎。

本次发布的三款核心模型分别为GPT-Realtime-2、实时翻译模型以及实时转写模型。其中，GPT-Realtime-2模型深度融合了GPT-5级别的强大推理内核，在语音的自然度、情感表达及人声仿真方面取得了显著突破。相比前代，它能更深度地解析上下文语境与用户意图，支持多轮、无中断的智能对话，交互体验更为流畅与拟真。

实时翻译支持超70种语言

在实时翻译能力上，全新的GPT-Realtime-Translate模型实现了对超过70种输入语言的语音识别，并可流畅输出13种目标语言的语音结果。该模型具备极低的延迟特性，能够紧跟说话者语速进行同步翻译，确保跨语言沟通的实时性与连贯性，为国际商务、在线会议、跨境客服等场景提供了专业级的解决方案。

转写模型适配办公场景

同步推出的Whisper实时转录模型，能够在语音交互进行的同时，高精度地完成语音到文字的转换工作。该模型针对会议纪要、访谈记录、课堂笔记等高频办公与学习场景进行了深度优化，可有效提升信息整理效率，减轻人工记录的压力与误差。

OpenAI指出，此次升级标志着AI语音交互从单一的问答工具，演进为集“实时聆听、智能思考、即时翻译、精准转写、自然响应”于一体的全栈式语音操作系统。其在功能实用性与场景适应性上的跨越式提升，预计将加速智能语音技术在客服、教育、医疗、智能硬件等众多行业的规模化应用与创新。