OpenAI 发布三款语音模型 API：GPT-Realtime-2 将 GPT-5 推理能力带入实时语音

OpenAI 语音三剑客

2026 年 5 月 8 日，OpenAI 发布三款语音模型。

三款模型

1. GPT-Realtime-2：最关键的产品，将 GPT-5 级推理能力应用于低延迟语音交互，这是此前 Realtime API 模型所缺乏的
2. GPT-Realtime-Whisper：专为转录工作负载优化
3. GPT-Realtime-Translate：语音到语音翻译

竞争格局

OpenAI 在语音 API 市场直接与 ElevenLabs、Deepgram 和 AssemblyAI 竞争。ElevenLabs 同日宣布 ARR 突破 5 亿美元并大幅降价。

行业意义

GPT-Realtime-2 的发布意味着 AI 语音助手将迎来一轮智能升级——从简单的语音识别+文字回复，升级为具备深度推理能力的实时对话。

来源： OpenAI 官方博客 + AI Tools Recap
链接： https://aitoolsrecap.com/Blog/ai-news-may-8-2026