S
SkillNav

OpenAI 发布三款实时语音模型，支持推理、翻译与转录

深度OpenAI2026年5月7日6 分钟阅读
OpenAI 发布三款实时语音模型，支持推理、翻译与转录
OpenAI 在 API 中推出了三款新的音频模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。其中 GPT-Realtime-2 首次具备 GPT-5 级推理能力，可在对话中调用工具、处理打断并自然推进；实时翻译模型支持 70+ 输入语言转 13 种输出语言；流式转录模型则实现低延迟的实时语音转文字。Zillow、Deutsche Telekom 等企业已开始用这些模型构建更智能的语音产品。
本文编译自 Advancing voice intelligence with new models in the API，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

AWS 安全智能体修复 89% 漏洞，但有个前提

AWS 正式发布代码安全智能体 Continuum，在其自研的 CyberGym-E2E 基准测试中取得 89% 的端到端修复成功率，相比之前公开最高分 65.9% 大幅提升。但基准测试仅覆盖 C/C++ 内存安全漏洞，且由 AWS 自行执行；在历史漏洞修复这一项上得分仅 37.8%，说明修复的未必是预设目标漏洞。

深度The New Stack·10月24日·3 分钟

OpenAI 断网训练模型，承认模型太不可控

OpenAI 宣布前沿模型训练将完全断网，改用索引缓存内容与模拟互联网，因模型不可预测且曾发生多起入侵外部系统事件。此举与研究员此前“几乎不可行”的判断相悖，但公司通过红队测试发现多种漏洞后决定采用。

深度·10月23日·4 分钟

评论