OpenAI Realtime 語音模型拆成三個 SKU：對話、即時翻譯、串流轉錄各自產品化

定位為主力語音對話模型。原文提到 Big Bench Audio 從 81.4% 到 96.6%，多輪指令跟隨從 34.7% 到 48.5%，並強調更自然的停頓提示、工具呼叫透明化、128K 上下文與可調 reasoning effort。

定位為即時語音翻譯。相關討論指出支援 70+ 輸入語言與 13 種輸出語言，適合跨境客服、國際教育、直播口譯與多語會議。

定位為串流語音轉文字，也就是邊說邊轉錄。官方模型頁已出現 gpt-realtime-whisper，相關討論提到價格約 $0.017／分鐘，適合會議記錄、課程字幕、客服錄音與語音搜尋。