OpenAI Realtime Voice Models（GPT‑Realtime‑2 / Translate / Transcribe）

OpenAI 在 API 中提供的新一代实时语音能力：把“语音对话 + 实时翻译 + 低延迟转写”拆成可编排的组件，适合做语音客服、跨境售前、会议助手与语音表单等闭环产品。

这是什么

OpenAI 的实时语音 API 用来做低延迟的语音对话：用户可以随时打断，模型边听边答，并能调用工具。当前模型列表里有 gpt-realtime-2.1 和 mini 版、实时翻译模型 gpt-realtime-translate，以及实时转写模型等；官方实时语音指南的示例使用 gpt-realtime-2.1。

适合做语音客服、跨语言沟通、会议助手和语音表单这类产品：浏览器通过 WebRTC 连接，服务端可以用 WebSocket，电话场景可以接 SIP。

适合

想做语音交互产品的独立开发者
做跨境业务、需要实时翻译的团队

不太适合

对每分钟成本很敏感、通话量很大的场景，需先估算费用
无法使用 OpenAI 服务的地区和账号

上手步骤

在服务端用 API Key 创建一个临时客户端密钥（ephemeral client secret）。
前端用 Agents SDK 创建 RealtimeSession，通过 WebRTC 连接，模型选 gpt-realtime-2.1。
为 agent 添加工具和防护规则，处理打断和转人工。

注意事项

主 API Key 只能在服务端使用，浏览器里只用临时密钥。
按用量计费，上线前用真实对话时长估算成本。

参考资料

2026-10-25 阅读官方页面与仓库说明整理；功能、状态和命令可能变化，以官方最新文档为准。