Инструменты разработчика Озвучка текста Речь-в-текст 08.05.2026 чтения обновлено 08.05.2026

OpenAI выпустила три голосовые модели для разработчиков

OpenAI представила GPT-Realtime-2, GPT-Realtime-Translate и GPT-Realtime-Whisper — модели для рассуждений, перевода и транскрипции речи в реальном времени.

Андрей Сарапулов редактор Источник

OpenAI выпустила три голосовые модели для разработчиков

Если вы думали, что OpenAI уже исчерпала варианты применения голосовых технологий - ну, вы ошибались. Компания выкатила сразу три новые модели, заточенные под работу с голосом в реальном времени. И на этот раз целевая аудитория - не обычные пользователи ChatGPT, а разработчики, которые хотят встроить голосовой ИИ в свои приложения.

Что за модели

Итого имеем тройку:

GPT-Realtime-2 - голосовая модель с рассуждениями уровня GPT-5. Умеет вести сложные диалоги, адаптировать тон под собеседника, проверять несколько источников одновременно и разбираться в специализированной терминологии (медицина, производство). По сути - голосовой ассистент, который реально думает, а не просто выдаёт заготовленные фразы.
GPT-Realtime-Translate - живой переводчик. Принимает речь на 70+ языках и переводит в 13 выходных языков, причём успевает за темпом говорящего. Звучит как мечта для любого международного созвона.
GPT-Realtime-Whisper - потоковая транскрипция. Превращает речь в текст прямо на лету - для субтитров, заметок со встреч, саммари. Всё то, что раньше делалось постфактум, теперь работает в моменте.

Цены и доступ

OpenAI не стесняется в ценообразовании: GPT-Realtime-2 обойдётся в $32 за миллион входных токенов и $64 за миллион выходных. Translate стоит $0.034 в минуту, Whisper - $0.017 в минуту. Все три модели доступны через Realtime API, а потестировать их можно в OpenAI Playground.

Интересно, что OpenAI выделяет три основных сценария, ради которых разработчики вообще используют голосовые модели: выполнение задач по голосовой команде, объяснение ситуации пользователю (например, задержка рейса) и общение на родном языке пользователя. Собственно, каждая из трёх новых моделей закрывает один из этих сценариев.

Для тех, кто уже работает с Codex, OpenAI подготовила промпт, который добавляет GPT-Realtime-2 прямо в агентную платформу для кодинга. Удобно, хотя от количества новых моделей и API уже начинает рябить в глазах.

От редакции

С русским языком у новой троицы всё в порядке, но с оговорками. GPT-Realtime-Translate официально принимает речь на 70+ языках (русский — среди них) и переводит в 13 выходных, и русский входит в этот короткий список — наряду с английским, испанским, немецким, французским, итальянским, португальским, китайским, японским, корейским, хинди, индонезийским и вьетнамским. То есть и слушать, и озвучивать по-русски модель умеет. GPT-Realtime-Whisper построен на семействе Whisper, у которого русский поддержан изначально и работает уверенно — для транскрипции встреч и субтитров на русском подходит без ограничений. А вот по GPT-Realtime-2 OpenAI в анонсе явный список языков не приводит: модель позиционируется как мультиязычная и наследует возможности GPT-5, так что русскоязычный диалог она ведёт, но качество голоса и интонаций OpenAI оптимизирует прежде всего под английский — для продакшена в русскоязычных сценариях стоит проверить вручную.