OpenAI 推出三款实时语音模型 可边听边“思考”、翻译和转录

via cnBeta.COM - 中文业界资讯站 (author: 稿源：cnBeta.COM)

Telegraph

OpenAI 推出三款实时语音模型 可边听边“思考”、翻译和转录

OpenAI 今日发布三款全新的实时语音模型，旨在为开发者“解锁新一代语音应用形态”。 这三款语音智能模型分别侧重推理对话、实时翻译和实时转录等不同场景需求。 根据 OpenAI 公布的信息，新系列包括 GPT‑Realtime‑2、GPT‑Realtime‑Translate 和 GPT‑Realtime‑Whisper 三个模型。 其中，GPT‑Realtime‑2 被定位为首款具备 GPT‑5 级推理能力的语音模型，能够更好地处理复杂请求，并以更自然的方式持续推进对话。 官方介绍称，该模型专为实时…

↩️🖼 OpenAI 发布 Realtime API 三款新语音模型

科技圈🎗在花频道📮:

OpenAI升级语音转录及生成模型 OpenAI发布了新的文本转语音模型gpt-4o-mini-tts，和语音转文本模型gpt-4o-transcribe和gpt-4o-mini-transcribe。开发者现可通过自然语言指令控制语音合成效果，如指定特定风格，提升了语音的真实度和可控性。 新语音转录模型在处理口音、嘈杂环境及减少幻觉方面有显著提升。但对某些语言，错误率仍较高。OpenAI此次未开源这些模型，因其规模较大，不适合本地运行。 TechCrunch 📮投稿 ☘️频道 🌸聊天

OpenAI 发布 Realtime API 三款新语音模型

OpenAI 在 Realtime API 中推出三款新模型，旨在提升语音应用的推理能力与实时交互体验：

1. GPT-Realtime-2：首款具备 GPT-5 级推理能力的语音模型，上下文窗口由 32K 扩大至 128K，支持五档推理力度调节，显著提升了复杂指令遵循和工具调用的可靠性。
2. GPT-Realtime-Translate：实时语音翻译模型，支持 70 多种输入语言和 13 种输出语言，能在保持语速同步的同时处理方言与专业术语。
3. GPT-Realtime-Whisper：流式语音转文字模型，专为低延迟场景设计，适用于实时生成会议纪要、字幕或驱动语音助手持续理解。

GPT-Realtime-2 的输入与输出定价分别为每百万 token 32 美元和 64 美元；Translate 与 Whisper 按分钟计费，单价分别为 0.034 美元和 0.017 美元。

OpenAI

🌸在花频道 · 茶馆讨论 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

Elevated transcription failures affecting ChatGPT & Codex

Status: Identified

We have identified that users are experiencing elevated errors for the impacted services. We are working on implementing a mitigation.

Affected components
● Voice mode (Degraded performance)
● Codex Web (Degraded performance)
● CLI (Degraded performance)
● App (Degraded performance)
● VS Code extension (Degraded performance)
● Codex API (Degraded performance)

via OpenAI status