GPT Realtime 2 是什么？
GPT Realtime 2 专为需要快速语音合成、实时字幕反馈及无缝从原型测试过渡到 API 集成的团队设计；它将文本一键转化为自然流畅的语音，适用于帮助中心语音应答、课程旁白预演、播客开场制作等多场景；用户可在无账号状态下直接输入提示词，选择 VoiceAlloy、Echo、Fable、Onyx、Nova 或 Shimmer 六种风格化语音及 WAV 输出格式，通过本地 /api/generate 路由发起请求，并经 OpenRouter 流式获取可播放音频与同步字幕。
主要功能
支持六种预设语音风格：VoiceAlloy（中性均衡）、Echo（温暖对话感）、Fable（富有表现力）、Onyx（深沉权威）、Nova（友好 upbeat）、Shimmer（清晰柔和）；所有语音均以 WAV 格式输出，即刻可播放。
提供开箱即用的开发者 API 路由（/api/generate），支持环境变量 OPENROUTER_API_KEY 配置（仅限服务端如 Vercel 或 .env.local），具备速率限制、提示模板、使用日志、回退与错误处理等定制化能力。
适用场景与人群
需要快速语音生成、实时文字转录反馈，并希望从网页测试平滑过渡至 API 集成的开发团队
- 为帮助中心、聊天流程和多语言支持队列生成简洁的语音答复
- 制作播客开场白、课程旁白及短格式配音概念稿，用于正式录音前预演
- 与需要流式传输文字转录和音频输出的聊天工作流集成
文本提示词，以及语音风格（如Alloy、Echo、Fable、Onyx、Nova、Shimmer）和输出格式（WAV）的选择
PCM16 编码音频流，封装为 WAV 格式供播放；同时返回含文字转录与音频数据的 JSON 响应
常见问题
是否需要注册账号才能试用网页版 Playground？
不需要，可即时试用，无需注册
能否在自有应用中调用 GPT Realtime 2？
可以，需在服务端环境变量（如 Vercel 或 .env.local）中配置 OPENROUTER_API_KEY，不可置于浏览器端代码中
如何使用
- 01
输入提示词
- 02
选择语音风格（如Alloy、Echo等）和输出格式（WAV）
- 03
通过本地 /api/generate 路由发送请求
- 04
通过 OpenRouter 流式接收并审查音频与文字转录
优点与缺点
优点
- 浏览器测试无需注册或登录
- 高质量、真人般的语音合成效果
- 低延迟的流式响应
- 通过 OpenRouter API 轻松集成
缺点与限制
- 在演示模式之外生成实际音频需要私有的 OpenRouter API 密钥
- 实际音频生成的成本取决于 OpenRouter 的服务商计费
- 输出格式有限（主要通过 PCM16 提供 WAV）
定价与使用条件
$0 网页体验：含提示词到文字转录演示、语音与格式控制、无账号门槛、明确标注演示模式；生产环境需对接 OpenRouter，按其 openai/gpt-audio 路由计费，支持流式音频分块与含文字转录的 JSON 输出
- 价格来源
- https://gptrealtime2.ai/
- 价格更新时间
- 2026-10-30
价格与额度可能调整，请以官网当前说明为准。
官网与资料来源
资料更新于 2026-10-30
