OpenAI周四说，他们的API现在加入了一堆新的语音智能功能，方便开发者搞能对话、转录和翻译的app。
新的GPT-Realtime-2是另一个语音模型，用来生成逼真的语音模拟，能和用户对话。但和之前的GPT-Realtime-1.5不一样，这个用了GPT-5级别的推理能力，OpenAI说这是为了处理用户更复杂的请求。
他们还发布了GPT-Realtime-Translate，顾名思义就是搞实时翻译的，能“跟上”用户的对话节奏。这功能支持超过70种输入语言（就是它能听懂的）和13种输出语言（就是它能说的）。
最后，还有个新的转录功能GPT-Realtime-Whisper，能实时把语音转成文字。
OpenAI说这些模型一起，把实时音频从简单的问答变成了真正能干活儿的语音界面：听、推理、翻译、转录，在对话过程中就能行动。
这些更新对谁有用？想扩展客服能力的公司肯定是个目标。但OpenAI也提到，这些新功能在教育、媒体、活动和创作者平台等一大堆领域都有用。
虽然从企业角度看这些工具挺有用，但被滥用的可能性也存在。公司说他们已经加了护栏，防止新功能被用来搞垃圾信息、诈骗或其他网络滥用。系统里嵌入了一些触发机制，这样“如果检测到对话违反我们的有害内容准则，可以中断对话”。
所有新语音模型都包含在OpenAI的Realtime API里。Translate和Whisper按分钟计费，GPT-Realtime-2按token消耗计费。
