精選解讀｜GPT-Realtime-2 不只是語音模型：OpenAI 正把語音 AI 推向 Agent 型服務入口

OpenAI 推出 GPT-Realtime-2、GPT-Realtime-Translate 與 GPT-Realtime-Whisper，真正值得台灣企業注意的，不是 AI 聲音更像真人，而是語音開始成為客服、跨境服務、會議紀錄與企業流程自動化的新入口。

· AI工具,AI 模型,精選解讀,AI Agent,AI 落地應用
InfoAI | OpenAI 推出 GPT-Realtime-2、GPT-Realtime-Translate 與 GPT-Realtime-Whisper，代表語音 AI 正從聊天回答走向 Agent 型任務處理。

當 AI 不只接電話，而是開始幫客戶把事情辦完

GPT-Realtime-2 是 OpenAI 在 2026 年 5 月 7 日推出的新一代即時語音模型。這次更新最重要的地方，不是語音更自然，而是語音 AI 開始從「聊天回答」走向「任務處理」。對企業來說，這代表客服、跨境溝通、會議紀錄、教育訓練與內部營運流程，都可能出現新的 AI 服務入口。OpenAI 官方同步發佈 GPT-Realtime-2、GPT-Realtime-Translate 與 GPT-Realtime-Whisper，分別對應即時語音互動與任務處理、即時語音翻譯，以及即時語音轉文字。

客服現場最麻煩的，往往不是客戶問了一個問題，而是客戶一開口就把三件事混在一起：訂單還沒到、想改收件地址，又要確認會員折扣能不能補用。

傳統語音客服很難處理這種情境。它可以辨識「物流」「改地址」「會員」幾個關鍵字，卻很難理解客戶真正想完成的是一整段流程。於是使用者被迫在選單裡反覆按鍵，最後還是轉給真人客服，重新說一次。

OpenAI 這次推出的三個模型，真正值得注意的地方，不只是 AI 聲音更自然，而是語音 AI 正從「聽一句、回一句」的互動工具，往「聽懂任務、接上工具、推進流程」的 Agent 型服務入口移動。

換句話說，語音不再只是人把指令丟給機器的方式。它開始變成企業服務流程的一部分。

關鍵解讀：

OpenAI 在 2026 年 5 月 7 日宣佈三個即時語音模型：GPT-Realtime-2、GPT-Realtime-Translate 與 GPT-Realtime-Whisper，官方定位分別是即時語音互動與任務處理、即時語音翻譯，以及低延遲語音轉文字。

這次產品更新的核心，不是語音更像真人，而是語音從「輸入層」進入「任務執行層」，讓 AI 能在對話中理解意圖、呼叫工具、處理中斷，並維持任務狀態。

台灣企業現在該問的，不是「要不要導入 AI 語音客服」，而是哪些高頻、低風險、資料來源明確、轉接規則清楚的流程，可以先讓語音 Agent 協助處理。

01｜GPT-Realtime-2 是什麼？它是 OpenAI 的新一代即時語音 Agent 核心

GPT-Realtime-2 是 OpenAI 這組新語音模型中的核心模型。依 OpenAI 說法，它是 OpenAI 第一個具備 GPT-5-class reasoning 的語音模型，設計目標是處理較困難的即時語音請求，並在對話進行中呼叫工具、處理修正或中斷。

這裡要特別注意，「GPT-5-class reasoning」目前主要是 OpenAI 的產品描述，不能直接解讀成第三方已驗證的客觀能力。比較穩健的解讀是：OpenAI 正試圖把更高階的推理能力放進即時語音互動裡，讓語音 AI 不只會說話，也能在對話中維持任務狀態。

這次 OpenAI 不是只推出一個更會講話的語音模型，而是把即時語音應用拆成三個方向。

GPT-Realtime-2 是語音 Agent 核心，負責即時語音互動、任務理解、工具呼叫與流程推進。

GPT-Realtime-Translate 是即時語音翻譯模型。OpenAI 官方說，它支援 70 多種輸入語言與 13 種輸出語言，適用於客服、跨境銷售、教育、活動、媒體與創作者平台。

GPT-Realtime-Whisper 是低延遲語音轉文字模型。它的用途不是讓 AI 自己回答問題，而是把正在發生的語音更快轉成可處理、可檢索、可進入後續流程的文字。

這三個模型放在一起看，OpenAI 正在把語音 AI 拆成企業真正需要的三種能力：

第一種是會辦事的語音 Agent。使用者開口說需求，AI 不只是回話，而是理解任務、呼叫工具、查詢資料，並在必要時轉接真人。

第二種是跨語即時溝通。AI 在語音流動中進行翻譯，讓客服、銷售、教育與跨國會議不必等事後翻譯，才能進入下一步。

第三種是即時紀錄與資料化。語音轉文字不再只是會後逐字稿，而是讓通話、會議、課堂與現場服務更快變成可整理、可追蹤的企業資料。

這個分工比模型名稱更重要。它代表語音 AI 正從「好不好聽」走向「能不能進流程」。

02｜語音 Agent 是什麼？真正變化是從回答問題走向「我正在幫你處理」

語音 Agent 是一種能透過語音理解使用者需求，並在必要時呼叫工具、查詢資料、推進任務的 AI 系統。它和傳統語音助理最大的差別，不在於聲音是否自然，而在於能不能把對話轉成具體流程。OpenAI 的語音 Agent 文件也把這類應用描述為低延遲語音互動，並區分直接處理即時音訊的 speech-to-speech 架構，以及由語音轉文字、文字推理、文字轉語音串接而成的 chained voice pipeline。

語音 Agent 最難的地方，不是講一句漂亮的回答，而是在任務還沒完成前，讓使用者知道事情仍在處理中。

真人客服在查資料時會說：「我幫您確認一下訂單狀態。」這句話本身不是答案，卻很重要。它讓客戶知道流程沒有中斷，也讓等待變得可以被理解。

OpenAI 在 GPT-Realtime-2 裡提到的前置語句，處理的正是這種語音服務中的空白時間。當 AI 需要查詢、呼叫工具或等待系統回傳結果時，它不能只是沉默，也不能胡亂回答。它必須像一個懂流程的服務人員，清楚告訴使用者目前正在做什麼。

放到企業現場，這個差異很大。

在旅遊服務中，客戶可能不是只問「我的班機幾點到」。他可能說：「我的班機延誤了，幫我確認旅館能不能延後入住，順便幫我看明天上午有沒有更早的交通方式。」

這不是單一問答，而是一段跨航班、住宿、交通與時間安排的任務。

在房仲場景中，OpenAI 官方舉 Zillow 為早期案例，說 Zillow 正在打造一個能聽懂房屋條件、避開繁忙街道並安排週六看屋的語音助理。這個案例能說明語音 Agent 的應用方向，但目前較穩健的解讀是「早期測試與產品開發」，不能直接寫成已大規模落地或已證明商業成效。

對台灣企業來說，這會改變客服與營運主管對 AI 的提問方式。

過去的問題是：「AI 能不能回答客戶常見問題？」

接下來的問題會變成：「AI 能不能在語音中完成一段可驗證、可轉接、可追蹤的服務流程？」

前者看的是回答能力，後者看的是流程能力。這也是語音 AI 從聊天工具走向 Agent 型服務入口的關鍵差別。

03｜GPT-Realtime-Translate 與 GPT-Realtime-Whisper，會先改變跨境服務與知識工作

GPT-Realtime-Translate 很容易被理解成「更快的翻譯工具」。但企業真正要看的，不是它能不能把一句話快速翻成另一種語言，而是它能不能降低跨語服務流程中的摩擦。

OpenAI 開發者文件把 GPT-Realtime-Translate 定位為 live speech-to-speech translation model，適合直播、串流、通話與視訊對話。官方也明確區分：如果要打造能回應、推理與使用工具的語音 Agent，應使用 GPT-Realtime-2；如果目標是讓不同語言的人類彼此溝通，則使用 GPT-Realtime-Translate。

這個分工很重要。

翻譯模型的任務不是代替使用者回答問題，而是盡量保留說話者原本的意思，使雙方能繼續溝通。這和語音 Agent 的責任不同。語音 Agent 可能要判斷下一步該做什麼；語音翻譯則要避免替說話者多做判斷。

對台灣企業來說，即時翻譯會先影響幾個場景。

第一是跨境客服。台灣品牌面對日本、東南亞、歐美客戶時，語言能力常常是服務擴張的瓶頸。即時翻譯模型不一定能處理高風險客訴，但可以先進入訂單查詢、退換貨流程說明、活動資訊、基本產品諮詢等標準化場景。

第二是線上教育與活動。如果一場產品發表、線上課程或企業內訓能即時提供多語語音與文字稿，內容就不必等到事後翻譯，才能觸及海外讀者與客戶。

第三是跨國團隊協作。台灣企業的工程、製造、業務與客服團隊，常與海外團隊一起工作。即時翻譯未必能處理所有專業判斷，但能降低一般會議、客戶訪談、教育訓練與售後支援中的語言門檻。

GPT-Realtime-Whisper 的價值則更偏向知識工作流程。

它不是只把語音變成文字，更是讓語音資料在發生當下時，就能進入企業流程。客服通話可以更快形成工單摘要；會議可以邊進行邊產生待辦事項；課堂可以即時產生逐字稿；現場維修、醫療行政或門市服務，也可能把口頭描述轉成可檢索紀錄。

但這裡也要保留邊界。即時轉錄不是事實查核，也不是責任判斷。它只是讓聲音更快變成可處理資料。企業如果要把轉錄結果納入正式紀錄，仍需設計人工覆核、修正、保存與權限控管。

04｜企業導入 GPT-Realtime-2，難點不在聲音，而在系統與責任

很多企業看到 GPT-Realtime-2，第一個反應可能是：「我們是不是可以做 AI 電話客服？」

這個問題問得太快。

比較成熟的問法是：「我們有哪些語音流程，已經有明確資料來源、明確權限、明確轉接規則與明確責任邊界？」

語音 Agent 不會因為模型變強，就自動變成可用的企業服務。它必須接到後台系統，否則最多只是更會聊天。它要能查訂單、查會員、查庫存、查行程、查工單，也要知道自己能不能改資料、能不能承諾補償、能不能進行下一步操作。

從 OpenAI 的開發文件來看，語音應用不是單一路徑。企業可以依場景選擇 Voice agents、Live translation 或 Realtime transcription 等不同架構。其中即時翻譯文件也說明，Realtime translation 使用專門的翻譯端點，而不是標準語音 Agent 端點；語音 Agent 文件則提醒，企業要先選擇適合的語音架構，再設計後續 Agent 工作流程。

這意味著企業要先想清楚應用目的，而不是看到語音模型就把所有情境都丟進同一個流程。

旅遊業可以讓語音 Agent 幫客戶查航班、查旅館訂單、提供替代方案，但是否能直接改票、退款或承諾補償，就要看公司授權規則。

金融業可以讓語音 Agent 做基本說明、身分資料收集與流程提醒，但涉及投資建議、風險揭露、貸款核准或客戶權益異動，就不能只看模型能力。

醫療院所可以用語音 AI 協助掛號、提醒檢查流程、整理行政資訊，但不應讓 AI 直接做診斷判斷或取代醫師說明。

OpenAI 的 Voice agents 文件也把 speech-to-speech 與 chained voice pipeline 分開。前者適合自然、低延遲對話；後者則把語音轉文字、文字推理與文字轉語音拆開，較適合需要中間文字控制、政策檢查、核准流程或可保存逐字稿的場景。

這段對企業很關鍵。

不是每個場景都要追求最自然的即時語音。對客服申訴、退費、合約說明、金融服務或醫療行政來說，可控、可查、可覆核，可能比自然更重要。

05｜越像真人的語音 AI，越需要被清楚限制

這次發佈不能只用樂觀角度看。

反方最有力的論點是：語音 Agent 越自然，使用者越容易相信它，也越容易忘記它仍可能出錯。

文字 AI 出錯時，使用者至少還能回頭看字句。語音 AI 出錯時，問題更微妙。它會用即時、流暢、很像真人的聲音說出答案。當它開始查訂單、翻譯承諾、解釋規則、安排服務或呼叫工具，錯誤就不只是「回答不準」，而可能變成流程錯誤、商務承諾錯誤，甚至是合規風險。

另一個問題是語音資料比文字資料更敏感。

聲音不只是內容。它可能包含身分線索、情緒、口音、年齡感、健康狀態、背景環境，甚至旁邊其他人的聲音。當企業把語音接進 AI 流程，就不能只問「這段話能不能被模型處理」，還要問：

客戶是否知道自己正在與 AI 互動？

通話是否會被轉錄？

逐字稿是否會進入 CRM 或客服系統？

外包客服或第三方平台是否會接觸語音資料？

翻譯錯誤造成承諾爭議時，由誰負責？

AI 做出錯誤操作時，如何回溯、修正與通知客戶？

OpenAI 官方也提到，即時語音 API 具備多層防護與安全分類器，並提醒開發者在必要情境下讓終端使用者知道自己正在與 AI 互動。這些設計說明一件事：即時語音不是只要接上 API 就好，它進入的是企業信任界面。

企業導入語音 Agent 時，不能只用「降低客服人力」來算 ROI。更完整的成本應包含告知義務、個資處理、錄音保存、模型錯誤、轉接機制、人工覆核與責任歸屬。

語音 Agent 越像真人，治理邊界就越要清楚。

06｜台灣企業真正該做的，不是先買模型，而是先找流程

這則新聞對台灣企業有用的問題不是模型名稱，而是流程選擇。

第一類適合先測試的是高頻、低風險、資料明確的語音服務。

例如客服中心的訂單查詢、物流進度、活動說明、門市資訊、會員權益、預約提醒、課程報名、售後進度查詢。這些任務通常有明確資料來源，也有清楚的轉接規則。語音 Agent 可以先協助分流、查詢、整理與轉接，而不是一開始就取代真人客服。

第二類是跨語言、跨地區、但責任風險相對可控的溝通場景。

例如跨境電商客服、海外展會接待、外籍員工教育訓練、線上課程、產品教學影片與多語內部會議。GPT-Realtime-Translate 這類模型的價值，不在於取代專業口譯，而是在大量、標準化、低風險溝通中降低語言門檻。

相反地，不適合第一波導入的場景包括重大客訴、醫療診斷、金融投資建議、法律諮詢、人資面談、貸款審核、保險理賠爭議。這些流程可以使用語音 AI 做資料收集、摘要與前置整理，但不宜讓 AI 直接給出最後判斷或正式承諾。

GPT-Realtime-2 的出現，會讓很多企業重新思考入口設計。

過去企業的 App、網站、LINE 官方帳號與客服電話是分開的；未來使用者可能只想開口說：「幫我處理這件事。」企業真正要面對的，不只是語音技術，而是自己的後台流程是否清楚到可以被 AI 安全呼叫。

這才是語音 Agent 的真正門檻。

台灣企業導入語音 Agent 前，先問四個問題：

1. 這個流程是否高頻？

一年只發生幾次的需求，不一定值得優先做語音 Agent。企業應先找每天都發生、真人客服反覆處理、規則明確的流程。

2. 這個流程是否資料明確？

AI 要能查訂單、查會員、查庫存、查行程或查工單。沒有結構化資料，語音 Agent 只會變成更會說話的前台，無法真正處理任務。

3. 這個流程是否可以安全失敗？

好的起點不是「AI 一次把事情做完」，而是「AI 做錯或無法判斷時，能清楚轉接真人，並保留前面的對話與資料」。

4. 這個流程是否有責任邊界？

AI 能不能承諾退款？能不能改訂單？能不能解釋合約條款？能不能給醫療或金融建議？這些都要先由企業定義，不能交給模型臨場判斷。

兩個台灣企業可先討論的應用場景

場景一：客服中心導入 AI 語音服務

客服主管可以先挑三種任務做小規模測試：

訂單與物流查詢

會員權益與活動說明

預約、改期與通知確認

初期目標不應設定為「取代客服」，而是觀察三個指標：

轉接真人前，AI 是否能完整收集必要資料？

客戶是否願意在語音中完成基本查詢？

通話後是否能產生可用的工單摘要？

這樣做可以避免一開始就把 AI 放到高風險客訴、退費爭議或補償談判場景。

場景二：跨境電商或教育平台做多語服務

營運主管可以先把即時翻譯放在低風險內容：

商品說明直播

線上課程即時口譯

海外客服初步問答

活動導覽與接待說明

但涉及合約、付款、退款、保固、醫療、金融或法律責任時，仍應保留人工確認。

這裡的核心不是「AI 翻譯得多快」，而是企業能不能區分：哪些話只是資訊傳遞，哪些話已經變成正式承諾。

總結｜GPT-Realtime-2 代表語音 AI 從對話進入流程

GPT-Realtime-2 這次帶出的真正變化，是語音 AI 從「更自然的聲音」走向「更能接任務的服務入口」。OpenAI 這組模型把語音 Agent、即時翻譯與即時轉錄分開，也讓企業更容易依照不同流程挑選工具，而不是把所有語音需求都塞進同一個聊天機器人。

但越像真人的語音 AI，越需要清楚治理。企業不能只看模型能不能說、能不能翻、能不能查，還要看它能不能被限制、被記錄、被轉接、被覆核。語音 Agent 一旦接上訂單、會員、CRM、行事曆與支付流程，它就不只是客服工具，而是企業對外承諾的一部分。

接下來值得持續觀察的指標，不是 GPT-Realtime-2 的聲音有多自然，而是企業客戶在真實場景中的任務完成率、轉接率、錯誤率與客戶信任感。台灣企業也該回到內部問自己一個問題：我們有哪些高頻、低風險、資料來源明確、轉接規則清楚的服務流程，已經成熟到可以讓 AI 用語音協助執行，而不是只讓 AI 幫忙聊天？

文/ 睿客

FAQ:

Q1｜GPT-Realtime-2 是什麼？

GPT-Realtime-2 是 OpenAI 推出的新一代即時語音模型，官方定位是讓 AI 在語音對話中理解較複雜的請求、呼叫工具並推進任務。它的意義不只是讓 AI 說話更自然，而是讓語音 AI 開始具備 Agent 型服務能力。不過，目前「GPT-5-class reasoning」主要是 OpenAI 的產品說法，企業導入時仍應依實際測試結果判斷。

Q2｜GPT-Realtime-2 和 GPT-Realtime-Translate 有什麼不同？

GPT-Realtime-2 的重點是語音 Agent，也就是在對話中理解任務、回應使用者、呼叫工具並處理流程；GPT-Realtime-Translate 的重點是即時語音翻譯，協助不同語言的人類彼此溝通。簡單說，前者偏向「AI 幫你辦事」，後者偏向「AI 幫人與人溝通」。企業選擇時，不應把兩者混成同一種應用。

Q3｜GPT-Realtime-Whisper 適合用在哪裡？

GPT-Realtime-Whisper 適合需要低延遲語音轉文字的場景，例如即時字幕、會議紀錄、客服通話摘要、課堂逐字稿與現場服務紀錄。它的價值是把語音更快變成可整理、可搜尋、可進入企業流程的文字資料。不過，轉錄結果不等於事實查核，也不等於正式判斷，企業仍需設計覆核與修正流程。

Q4｜GPT-Realtime-2 會取代客服人員嗎？

比較穩健的判斷是，GPT-Realtime-2 會先接手部分高頻、低風險、規則明確的客服流程，而不是全面取代客服人員。訂單查詢、物流進度、活動說明、預約提醒等任務，可能較適合早期導入；重大客訴、退款爭議、醫療與金融建議等高風險場景，仍需要真人判斷與承擔責任。

Q5｜台灣企業應該如何評估是否導入語音 Agent？

台灣企業可以先問四個問題：這個流程是否高頻？資料來源是否明確？失敗時是否能安全轉接真人？責任邊界是否清楚？如果答案不清楚，就不應急著把語音 Agent 放到前線服務。語音 Agent 的成功關鍵不只是模型能力，而是企業流程是否已經整理到能被 AI 安全呼叫。

Q6｜即時語音翻譯會取代口譯人員嗎？

即時語音翻譯會先影響標準化、低風險、大量重複的跨語溝通場景，例如客服初步問答、活動導覽、商品說明、內部教育訓練與線上課程。專業口譯涉及文化脈絡、商務立場、法律責任與現場判斷，不會因為即時翻譯模型出現就被完全取代。比較合理的趨勢是，人類口譯會更集中在高風險、高價值、高情境判斷的場景。

Q7｜企業導入即時語音 AI 最大的風險是什麼？

最大風險不是聲音不自然，而是語音 AI 在使用者信任它時做出錯誤承諾或錯誤操作。語音資料也比文字資料更敏感，可能包含身分、情緒、口音、背景環境與其他人的聲音。企業導入前，必須處理告知、錄音、轉錄、資料保存、第三方存取、人工覆核與責任歸屬問題。

參考資料：

閱讀推薦：

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

Section image

JUDGEMENT

We help you make better judgement about AI.

不是更快知道 AI 新聞，而是更早做出你能承擔後果的判斷。

InfoAI 存在的目的
是把 AI 的變化，轉換成可被理解、可被評估、可被行動的判斷框架。

上一篇下一篇
Cookie的使用
我們使用cookie來改善瀏覽體驗、保證安全性和資料收集。一旦點擊接受，就表示你接受這些用於廣告和分析的cookie。你可以隨時更改你的cookie設定。 了解更多
全部接受
設定
全部拒絕
Cookie 設定
必要的Cookies
這些cookies支援安全性、網路管理和可訪問性等核心功能。這些cookies無法關閉。
分析性Cookies
這些cookies幫助我們更了解訪客與我們網站的互動情況，並幫助我們發現錯誤。
偏好的Cookies
這些cookies允許網站記住你的選擇，以提升功能性與個人化。
儲存