OpenAI发布实时音频模型AI智能体实现听做交互新时代
美国时间周四，OpenAI正式面向全球开发者推出了三款全新的音频大模型。这并非一次常规的功能升级，而是一次战略级的重大跨越——OpenAI的愿景，是让语音智能体彻底超越“语音转文字”的传统角色，进化为能够实时聆听、深度理解、即时响应并直接执行任务的“智能数字伙伴”。
以往，典型的语音交互流程是“用户说话-模型转写-模型思考-模型回复”，环节之间往往存在延迟与割裂感。如今，随着全新API的开放，这一链条被大幅压缩。OpenAI正将语音智能推向一个更自然、更主动的新纪元：实时监听、无缝翻译、乃至直接驱动任务执行，所有这一切都将在流畅、连续的对话流中完成。
三款新模型，精准切入三大核心场景
本次发布的三款模型，分别命名为GPT-Realtime-2、GPT-Realtime-Translate与GPT-Realtime-Whisper。它们并非相互替代，而是各具专长，共同构成了一套完整的实时音频处理与交互解决方案。目前，开发者已可通过测试平台抢先体验。
GPT-Realtime-2：复杂任务处理的“智能调度中枢”
作为旗舰型号，GPT-Realtime-2专为处理高难度交互场景而设计。其核心能力聚焦于两点：一是精准调用外部工具与API，这意味着它能直接为用户完成订餐、查询数据、管理日历等操作，而非仅仅提供信息；二是拥有出色的“抗打断”能力与长上下文记忆。试想，当你向它描述一个复杂需求时突然需要补充，直接插话即可，它能无缝衔接上下文，并在整个冗长对话中，始终牢记初始目标与所有细节。这种强大的语境连贯性，是构建真正实用、可靠的智能语音助手的关键基石。
GPT-Realtime-Translate：消除沟通障碍的“实时同传专家”
语言障碍是全球业务拓展的主要挑战之一。GPT-Realtime-Translate直击这一痛点，能够将超过70种源语言，实时翻译为目标语言（目前支持13种）。其应用前景十分清晰：无论是跨国企业的智能客服系统、在线教育平台的全球化课程，还是国际会议的即时无障碍沟通，语言将不再成为隔阂。核心优势在于“实时性”，这为真正自然、流畅的跨语言对话提供了技术保障。
GPT-Realtime-Whisper：会议与工作流自动化的“高效引擎”
如果说前两者侧重于对外交互，那么GPT-Realtime-Whisper则致力于提升内部协作效率。它是一款强大的实时语音识别（STT）模型，能够在用户发言的同时，同步生成精准的字幕与结构化的会议纪要。更为关键的是，它能基于识别到的关键信息，自动触发后续工作流程。例如，会议中确认了一个项目截止日期，它可以自动在Asana、Jira等项目管理工具中创建任务并设置提醒。这相当于为每一场会议配备了一位永不疲倦的AI行政助理。
早期合作客户与透明定价策略
模型的能力需要在真实场景中验证。目前，已有数家知名企业成为早期测试伙伴，包括在线房地产平台Zillow、在线旅游巨头Priceline，以及欧洲电信运营商德国电信。它们的参与，旨在客服、预订、远程技术支持等实际业务中，检验这些实时模型的稳定性与商业价值。
关于开发者关心的成本问题，OpenAI也公布了初步的定价框架。功能最全面的GPT-Realtime-2，按照音频输入Token量计费，每百万Token起价为32美元。而GPT-Realtime-Translate和GPT-Realtime-Whisper则按处理时长收费，每分钟成本分别为0.034美元和0.017美元。这一清晰的定价体系，为开发者评估应用开发与运营成本提供了重要依据。
总而言之，OpenAI此次发布的不仅是一组先进的AI音频模型，更是一份关于未来人机交互范式的蓝图。当语音智能体能够做到实时理解、即时行动，我们与机器对话和协作的方式，必将迎来一场根本性的变革。
相关攻略
周四，一则来自知情人士的消息在科技圈投下了一枚石子：苹果与OpenAI之间为期两年的“蜜月期”似乎走到了尽头，双方关系正趋于紧张。问题的核心在于，OpenAI方面认为，这场合作并未带来预期的回报，甚至可能准备诉诸法律手段。 据悉，OpenAI的法务团队已经行动起来，正与一家外部律师事务所合作，评估一
OpenAI将Codex集成至ChatGPT移动应用，使手机成为“移动控制台”，支持代码查看、测试与指令操作。此举提升了开发灵活性，优化了移动体验，是对竞争对手的回应，也符合其构建“超级应用”的战略。该功能已在iOS和Android平台预览推出。
美国一家庭起诉OpenAI，指控其ChatGPT提供了错误用药建议，导致一名19岁青年在混合服用卡痛叶与Xanax等药物后死亡。诉讼指出，AI未明确警告该组合可能致命。OpenAI回应称，涉事对话发生于旧版本，强调AI不能替代专业医疗，并正与专家合作改进安全措施。此事引发对AI医疗辅助安全边界与责任归属的深刻反思。
TanStack开源库遭遇供应链攻击，意外波及OpenAI。OpenAI内部两台员工设备受影响，部分凭证材料被窃。这些凭证能为产品签署证书，OpenAI决定撤销相关证书。Mac版ChatGPT桌面应用需在6月12日前更新，否则将无法启动。Windows和iOS版本不受影响。用户数据未被访问，公司核心系统未遭入侵。
马斯克起诉OpenAI案进入结案陈词阶段。马斯克指控OpenAI背离非营利初衷，违反信托义务并转向营利，其律师质疑奥特曼信誉并指责微软协助不当行为。OpenAI律师反驳称马斯克证词矛盾，且其本人也曾试图控制公司获利。诉讼结果可能取决于是否在法定时效内提起，并将影响OpenAI未来发展与IPO进程。
热门专题
热门推荐
Mac自带的“预览”应用可便捷调整图片尺寸。通过“调整大小”工具精确修改像素，勾选“比例缩放”避免变形。使用“裁剪”工具框选区域以改变有效显示尺寸。利用“导出”功能可生成指定尺寸的副本而不影响原图。
航天计算技术正迎来一次里程碑式的升级。美国国家航空航天局（NASA）近日联合美国微芯科技公司（Microchip），正式启动了名为“高性能航天计算”的研发项目。该项目的核心目标，是研制一款片上系统（SoC），其运算性能预计将达到当前航天专用处理器的百倍以上。 根据NASA的规划，这款高性能航天芯片将
在银河麒麟系统上，若游戏或图形应用出现卡顿、帧率低或崩溃，可能是未开启Vulkan硬件加速。针对不同显卡，可采取相应方法启用。对于AMD或Intel集成显卡，可通过终端安装并验证mesa-vulkan-drivers包；对于已安装NVIDIA专有驱动的用户，需确保系统正确加载VulkanICD文件。操作主要适用于银河麒麟桌面操作系统V10及后续版本。
在银河麒麟操作系统上构建高效数值计算与数据分析平台，Julia语言凭借其脚本语言的易用性与编译语言的高性能，成为科学计算领域的理想选择。若您已完成麒麟系统的基础配置，但发现Julia环境尚未就绪，这通常是由于系统未预装或缺少关键依赖库所致。本文将系统梳理在银河麒麟OS上安装Julia语言的几种主流方
Mac连接多显示器后，需在系统设置的“显示器”选项中调整逻辑排列以匹配物理布局。拖动屏幕缩略图对齐实际位置，关闭“镜像显示器”以启用独立排列与分屏功能。可设定主显示器并进行微调，通过快捷键或拖拽窗口实现流畅分屏操作。