OpenAI 周四宣布，其 API 将新增一系列语音智能功能，旨在帮助开发者构建能够与用户对话、转录和翻译对话的应用。因为显然，打字已经是上个十年的事了。

公司的新模型 GPT-Realtime-2 是另一个语音模型，旨在创建逼真的语音模拟，能与用户对话。与它的前身（GPT-Realtime-1.5）不同，这个版本带有 GPT-5 级别的推理能力，OpenAI 称这是为了处理用户更复杂的请求。所以，是的，它更聪明了，但它仍然不能在不要求小费的情况下订披萨。

同时推出的还有 GPT-Realtime-Translate，顾名思义，提供实时翻译服务，能“跟上”用户的对话节奏。该功能支持超过 70 种输入语言（它能理解的语言）和 13 种输出语言（它传达给说话者的语言）。语言种类很多，但我们还在等它翻译讽刺。

最后，还有 GPT-Realtime-Whisper，一种新的转录能力，能在交互发生时提供实时语音转文字。因为手动记笔记太 2019 了。

“我们推出的这些模型共同将实时音频从简单的问答转变为能够实际工作的语音界面：在对话展开时倾听、推理、翻译、转录并采取行动。”公司表示。换句话说，当你还躺在床上说“我在路上了”时，你的手机可能终于能理解你了。

这些更新将惠及谁？希望扩展客户服务能力的公司是明显的目标。但 OpenAI 也指出，这些功能将有助于教育、媒体、活动和创作者平台。因为没有什么比一个能打断你说话的机器人更能体现“教育”了。

尽管从企业角度来看这些工具似乎很有用，但它们也可能被滥用。公司表示，他们已经建立了防护栏，以防止垃圾邮件、欺诈或其他在线不当行为。系统中嵌入了某些触发器，以便“如果检测到对话违反我们的有害内容指南，可以中止对话”。所以，如果你试图用它来骗老太太，它只会挂断。多有礼貌。

所有新的语音模型都包含在 OpenAI 的 Realtime API 中。Translate 和 Whisper 按分钟计费，而 GPT-Realtime-2 按 token 消耗计费。因为在未来，你将为你说的每个音节付费。