GPT-Realtime-2

developers.openai.com

OpenAI 最强的实时语音模型，支持语音到语音对话、可调推理强度与可靠工具调用。

付费有 API多模态GPT网页

适合做什么

适合开发实时语音助手、语音客服等复杂语音 Agent 的开发者与企业。

价格

特性

支持模型

平台

开源模型

OpenAI 开源的通用语音识别模型，支持多语言转写、翻译与语种识别，可本地运行。

开源可自部署本地模型命令行Linux

github.com2 处推荐

本地部署 / 运行

OpenAI Whisper 语音识别模型的 C/C++ 高性能移植版，无依赖、可离线本地运行

开源可自部署本地模型MacWindows

github.com1 处推荐

语音合成 / 识别

★ 25,703

基于 CTranslate2 的 Whisper 语音识别重实现，速度更快、显存占用更低，支持量化与本地部署。

开源可自部署有 API本地模型Linux

github.com1 处推荐

语音合成 / 识别

超写实 AI 语音平台，提供语音合成、克隆、配音与语音 Agent，支持 70+ 语言。

免费+付费有 API多模态网页

elevenlabs.io3 处推荐

语音合成 / 识别

★ 38,592

开源语音音色转换（变声）框架，10 分钟语音即可训练模型，带网页界面与实时变声。

开源中文界面可自部署本地模型Linux

github.com1 处推荐

训练与微调 / 量化

开源少样本语音克隆与TTS项目，5秒零样本、1分钟微调即可复刻音色，支持多语言。

开源可自部署本地模型网页Windows

github.com1 处推荐