模型定位
GPT-Realtime-Translate 是面向实时多语言场景的流式语音到语音翻译模型,侧重口译,而非回答问题或执行任务的通用语音助手。(developers.openai.com)
能力与用途
- 接收流式语音,自动识别源语言,在输入音频仍在到达时输出翻译语音及目标语言转录文本增量。官方公告称支持 70 多种输入语言和 13 种输出语言。(openai.com)
- 13 种目标语言为西班牙语、葡萄牙语、法语、日语、俄语、中文、德语、韩语、印地语、印度尼西亚语、越南语、意大利语和英语。(developers.openai.com)
- 可用于直播、会议、教育、跨语言通话、客户支持和媒体内容等场景。通过专用端点
/v1/realtime/translations建立翻译会话。(developers.openai.com)
限制
- 文本仅支持输出;不支持图像或视频输入,也不支持函数调用、结构化输出和微调。官方模型页列出的上下文窗口为 16,000 token,最大输出为 2,000 token。(developers.openai.com)
- 官方开发指南称目前不支持自定义提示词或选择输出声音。翻译可能受专有名词、数字、口音、语速、混合语言和重叠语音影响;重要场景应进行针对性评测和人工复核。(developers.openai.com)
价格
OpenAI API 实时翻译价格为 0.034 美元(USD)/分钟,按实时音频时长计费,而非按文本 token 计费。官方定价表未分别列出输入和输出的 token 单价;音频时长具体计量细则未在所查模型页中明确。价格来源:OpenAI API 定价及模型页;查询日期:2026-11-16。(developers.openai.com)
发布与官方来源
- 发布日期:2026-05-07。(openai.com)
- OpenAI 官方发布公告
- 实时翻译开发指南
- 实时翻译应用示例