路透5月7日 - OpenAI 周四为其开发者平台推出了三款音频模型，旨在让基于语音的软件代理更具对话性，并能够实时完成任务。

应用程序编程接口 $(API)$ 的发布，标志着这家ChatGPT开发商的业务范围已从文字转录和聊天功能，扩展至能够实时聆听、翻译并在对话中采取行动的智能代理。

这三款新模型分别为GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper。OpenAI表示，用户可在其开发者实验平台中进行测试。

GPT-Realtime-2 旨在处理更复杂的请求、调用工具、应对对话中断，并在较长的语音会话中保持上下文连贯性。

第二款模型支持将70多种语言翻译成13种目标语言，主要面向客户支持、教育及其他场景。

GPT-Realtime-Whisper提供实时语音转文字功能，可在发言者讲话时生成字幕、会议记录和工作流程更新。

正在测试这些模型的客户包括在线房地产交易平台 Zillow ZG.O、在线旅行社 Priceline 以及欧洲电信公司德国电信 DTEGn.DE。

GPT-Realtime-2的定价为每百万音频输入令牌32美元起，GPT-Realtime-Translate每分钟0.034美元，GPT-Realtime-Whisper每分钟0.017美元。

(为便利非英文母语者，路透将其报导自动化翻译为数种其他语言。由于自动化翻译可能有误，或未能包含所需语境，路透不保证自动化翻译文本的准确性，仅是为了便利读者而提供自动化翻译。对于因为使用自动化翻译功能而造成的任何损害或损失，路透不承担任何责任。)