北京时间8月29日凌晨，OpenAI通过直播发布其迄今最先进的端对端语音模型（Speech-to-Speech）GPT-Realtime，并宣布Realtime ...

智东西5月8日报道，5月7日，OpenAI在Realtime API中推出三款音频模型—— GPT‑Realtime‑2 （首个具备GPT‑5级推理的语音模型）、 GPT‑Realtime‑Translate （实时翻译）和 GPT‑Realtime‑Whisper （流式转录），分别面向 复杂推理、实时翻译和流式转录场景 ...

机场延误广播瞬间被手机 App 用母语解释并给出改签建议；会议中边说边看到中英字幕并自动生成要点。是什么技术让这些场景成为可能？答案是 OpenAI 于 2026 年 5 月在 Realtime API 中上线的三款实时语音模型：GPT‑Realtime‑2（深度推理的语音对话）、GPT‑Realtime‑Translate（实时翻译）和 GPT‑Realtime‑Whisper（流式语音转写）， ...

系统到语音：软件将上下文转化为实时语音指引。比如旅行应用可以主动告知旅客：你的进港航班延误了，但你仍能赶上转机。我已找到新登机口，规划了最快穿越航站楼的路线，你的行李预计也能转运成功。 语音到语音：AI帮助跨语言、跨任务、跨变化场景的实时对话。比如德国电信正在构建语音支持体验，客户可以用自己最习惯的语言交流，模型实时完成对话翻译。

GPT-Realtime-2 专为实时交互设计，是首款具备 GPT-5 级推理能力的语音模型。它在保持对话自然流畅的前提下，能在对话过程中进行推理、调用工具，并处理用户的打断或纠正。这意味着开发者可以构建更复杂的语音助手，并能执行多步骤任务。

The new features could be handy for customer service systems, but OpenAI says they have applications that work across a variety of other fields, including education and creator platforms.

【导读】绝杀！OpenAI发布GPT-Realtime-2：首个GPT-5级推理音频模型，OpenAI正式接管人类耳朵人类与机器的最后一道「防火墙」——键盘，正在彻底消失。 今天凌晨，OpenAI又给世界带来一次震撼。 这一次，他们不卷文字，不卷视频，而是要把那个曾让无数人惊艳、又让无数人遗憾的Samantha——电影《Her》中的AI——彻底带进现实。 OpenAI正式宣布，推出GPT-Real ...

GPT-Realtime-2 brings GPT-5-class reasoning to live voice. A separate translation model covers 70+ input languages. A streaming Whisper variant handles transcription. The pricing is aggressive enough ...

OpenAI开放三大实时音频模型：告别纯文本，AI智能体进入“实时听与做”时代,智能体,openai,翻译,工作流,realtime ...

据彭博社报道，苹果正在研发的内置摄像头 AirPods 已进入开发后期阶段，原型机目前处于 DVT（设计验证测试）环节，这是量产前的最后一个主要开发阶段，预计最快于 9 月随 AI Siri 一同发布。 记者 Mark Gurman 称，该款耳机的左右两侧耳塞均内置摄像头，用于采集用户周围环境的低分辨率视觉信息，供 Siri 处理并提供相关回应。摄像头并不具备拍照或录像功能，主要作为 Siri 的 ...

AI voice agents are getting closer to doing more than waiting their turn to speak. OpenAI announced Thursday that it is expanding its Realtime API with GPT-Realtime-2, a new voice ...