GPT-Realtime-2上线！全球AI巨头加码，语音一夜成了AI圈香饽饽

2026年5月7日，OpenAI正式上线GPT-Realtime-2系列模型，语音能力一夜之间成了AI圈最抢手的香饽饽。就在刚刚过去的四月，这家公司先后发布了GPT-Image 2.0和GPT-5.5，如今又乘胜追击推出GPT-5.5 Instant和GPT-Realtime-2，动作快得让人眼花缭乱。这背后，是OpenAI不惜关闭Sora也要押注语音赛道的决心。

OpenAI为何壮士断腕？

2024年2月，OpenAI发布了Sora，这个能生成视频的AI模型曾让迪士尼计划注资十亿美元，甚至打算在Sora 2中引入核心影视IP。但到了2026年3月，OpenAI突然宣布关闭Sora，相关API也会在9月停止提供。官方解释是“将计算资源重新分配至核心企业产品”。这确实让人好奇——到底是什么产品值得OpenAI放弃如此重磅的视频项目？答案就在GPT-Realtime-2身上。

GPT RT2让AI像真人一样说话

GPT-Realtime-2，简称GPT RT2，是一个全面优化AI语音能力的模型系列。它包含原版（GPT-Realtime-2）、翻译（GPT-Realtime-Translate）和转录（GPT-Realtime-Transcribe）三个版本。说白了，就是让AI的语音交互更自然、更实时，甚至能像真人一样对话。这可不是简单的语音识别，而是从理解到回应的全链路升级。

全球AI巨头纷纷加码语音赛道

OpenAI这一动作，其实挺能说明问题的。语音交互正在成为AI行业的下一个主战场，各大巨头都在抢着布局。GPT-Realtime-2的上线，意味着AI语音不再只是“你说我答”的机械对话，而是能捕捉语气、节奏甚至情感的真实交流。这难道不是咱们一直期待的AI体验吗？

语音技术为何突然成了香饽饽？

原因其实很简单——用户需要更自然的交互方式。打字太慢，视频太耗资源，而语音是最接近人类沟通的形式。GPT-Realtime-2的发布，正好踩在了这个需求点上。OpenAI把Sora的资源挪过来，看来是铁了心要在语音领域做出点真东西。

未来语音AI会怎么发展？

从GPT-Realtime-2的发布节奏来看，OpenAI显然在加速。5月7日接连上线两款产品，这种密度在AI行业里可不多见。语音技术一旦成熟，应用场景会非常广泛——客服、教育、医疗、娱乐，几乎每个行业都能用上。不过，这背后对计算资源的要求也挺高的，OpenAI关闭Sora或许正是为了集中火力。