Gpt-Realtime-2

Gpt-Realtime-2 是一个面向实时语音交互场景的智能体构建平台，核心定位是把语音会话当作可执行的指令通道。它把音频理解、推理、转录、翻译和工具调用整合在同一次会话里，让产品可以在用户持续说话的过程中触发记录更新、答案检索、任务排期或会话总结。平台列举的典型场景包括客服电话、预约排期、销售资格筛选、会议记录、辅导和多语言服务。

从官网公开的能力看，它强调三件事：能处理打断、纠正、模糊目标、专有名词和领域术语这类真实口语输入；能在通话中用简短的口头引导、状态更新、确认和恢复提示让来电者知道当前进展；能把对话连接到实际结果，比如更新记录、检索答案、安排工作或总结会话。官网给出 128K 会话记忆、实时语音轮流对话和工具连接三项指标。

使用方式上，官网把流程拆成四步：先定义通话场景，包括来电者目标、语言需求、可用工具、安全边界、升级规则和语音风格；再连接数据与动作，接入日历、记录、搜索、工单、预约或内部系统；然后运行实时会话，由平台听取语音、流式转录、基于上下文推理、调用工具、处理纠正并以自然音频回应；最后用转录、摘要、结果和失败点来优化提示词、工具规则和升级路径。

当你要做的是实时语音智能体——尤其是客服电话、预约排期、销售初筛、多语言服务这类需要边听边做事的场景——Gpt-Realtime-2 提供的 128K 会话记忆、实时轮流对话和工具连接三项能力是直接对应的。它把语音当作指令通道而不是单纯聊天，四步流程也覆盖了从场景定义到复盘的完整链路。官网价格的是视频生成类套餐，与语音智能体的计费标准对不上，正式立项前需要先向官方确认计费方式。

以上为公开费率整理，厂商保留调价权利，实际以官方页面为准。