OpenAI 发布三款 GPT-5 级语音模型，同传成本降至每分钟两毛五
OpenAI 发布三款实时语音 API 模型，首次将 GPT-5 级推理能力集成进语音交互系统，将同声传译成本压至每分钟 0.025 美元。
リサーチノート
OpenAI 于 2026 年 5 月 8 日向 API 开放三款实时语音模型，首次将 GPT-5 级推理能力集成进语音交互系统，同声传译成本降至每分钟 0.025 美元（约两毛五）1。
功能亮点
三款模型各有侧重1：
- GPT-Realtime-2：系列中的旗舰推理语音模型，首次在语音模态上搭载 GPT-5 级推理能力，可处理更复杂的请求、更自然地推进对话。
- GPT-Realtime-Translate：专为实时翻译设计，支持 70+ 种语言输入、13 种语言输出，通话级延迟下完成同声传译，定价约每分钟 0.025 美元。
- GPT-Realtime-Whisper：流式实时转录模型，边听边写，提供低延迟的语音转文字服务，适合会议记录、直播字幕等连续转录场景。
三款模型均已在 OpenAI 开发者 Playground 开放测试。
应用场景
跨语言实时通信：GPT-Realtime-Translate 支持 70+ 种语言输入、13 种语言输出，将同声传译压到 API 调用层级。每分钟 0.025 美元的定价，使多语言客服、国际会议、跨境直播等场景可经由 API 集成替代专业译员或高价软件1。
端到端语音 Agent：GPT-Realtime-2 的推理能力允许语音 Agent 在通话中完成多步骤任务处理，无需将语音先转写为文本再交给文本模型推理，减少了链路延迟与信息损耗。
实时转录与字幕：GPT-Realtime-Whisper 的流式特性适用于需要即时文字反馈的场景，包括播客同步字幕、法庭速录、远程医疗记录等。
发布方背景
原文来源：量子位《GPT-5级推理能力塞进语音模型，OpenAI把同传翻译成本砍穿地板价》（2026-05-08，无独立URL）| OpenAI 官方公告
このコンテンツについて、さらに観点や背景を補足しましょう。