概要
GPT-Realtime-Translateは、ライブの多言語音声体験向けに設計された、ストリーミング音声翻訳モデルです。OpenAIは2026年5月7日に発表し、Realtime APIで提供しています。(openai.com)
能力と用途
- 音声の入力中に翻訳音声と翻訳テキストを順次出力します。入力言語は自動検出され、出力先言語を指定します。発表時の対応範囲は入力70言語以上、出力13言語です。(developers.openai.com)
- ライブ配信、会議、授業、カスタマーサポート、電話・ビデオ通話などの同時通訳に利用できます。(developers.openai.com)
- 専用エンドポイントは
/v1/realtime/translationsです。ブラウザーではWebRTC、サーバー側の音声処理ではWebSocketを利用できます。(developers.openai.com)
制限
- 通訳専用であり、質問への回答やツール操作を行う汎用音声アシスタントではありません。カスタムプロンプトや音声の選択には対応していません。(developers.openai.com)
- テキストは出力のみで、画像・動画入力、関数呼び出し、構造化出力、ファインチューニングには対応していません。モデルページ記載のコンテキストウィンドウは16,000トークン、最大出力は2,000トークンです。(developers.openai.com)
- 固有名詞、専門用語、重なった発話などでは品質の検証が必要です。原文の文字起こしを併用する場合は、別途
gpt-realtime-whisperを設定します。(developers.openai.com)
料金
OpenAI APIのリアルタイム翻訳料金は、音声の長さに基づき 0.034米ドル(USD)/分 です。入力・出力それぞれのトークン単価は掲載されておらず、テキストトークン単位の課金ではありません。公開ページからは、入力音声と出力音声の時間をそれぞれ別計上するかは確認できません。確認日:2026年11月16日。料金の出典:公式モデルページ、公式料金ページ。(developers.openai.com)