GPT-Realtime-2 × BibiGPT
Ngày 2026-05-07, OpenAI ra mắt GPT-Realtime-2, GPT-Realtime-Translate và GPT-Realtime-Whisper — một bộ API giọng nói hoàn chỉnh. Ngữ cảnh 128K (trước đây 32K), suy luận ngang GPT-5, dịch trực tiếp từ hơn 70 ngôn ngữ nguồn sang 13 ngôn ngữ đích, nhận dạng giọng nói Whisper theo luồng. Với người dùng BibiGPT, phần tạo phụ đề video dài, dịch đa ngôn ngữ và hỏi đáp bằng trợ lý AI luôn được chọn năng lực phù hợp theo từng kịch bản — bạn không phải viết bất kỳ dòng mã chuyển đổi nào.
Sự thật cốt lõi (tóm tắt 90 giây)
Tính đến ngày 2026-05-09, OpenAI đã ra mắt GPT-Realtime-2, GPT-Realtime-Translate và GPT-Realtime-Whisper vào ngày 2026-05-07 — một bộ API giọng nói hoàn chỉnh. Ngữ cảnh 128K (trước đây 32K), suy luận ngang GPT-5, dịch trực tiếp từ hơn 70 sang 13 ngôn ngữ, nhận dạng giọng nói Whisper theo luồng. Giá: Realtime-2 là 32 USD và 64 USD mỗi triệu token, Translate 0,034 USD mỗi phút, Whisper 0,017 USD mỗi phút. Với người dùng BibiGPT, phần phụ đề video dài, dịch đa ngôn ngữ và hỏi đáp bằng trợ lý AI luôn được chọn năng lực phù hợp theo từng kịch bản.
Features
GPT-Realtime-2 là gì?
Bản cập nhật API giọng nói ngày 2026-05-07 của OpenAI — ba điểm cuối mới (Realtime-2, Realtime-Translate, Realtime-Whisper). Ngữ cảnh 128K, suy luận ngang GPT-5, riêng phần dịch và nhận dạng giọng nói tính tiền theo phút.
Cửa sổ ngữ cảnh 128K
Realtime-2 mở rộng từ mức trần 32K cũ lên 128K token. Một bài giảng dài hay podcast nhiều giờ nằm gọn trong một phiên giọng nói, không cần chia nhỏ.
Suy luận ngang GPT-5 trên giọng nói
OpenAI định vị Realtime-2 là phiên bản giọng nói tương ứng với chất lượng suy luận của GPT-5. Tính nhất quán qua nhiều lượt hội thoại và khả năng gọi công cụ ổn định hơn.
Dịch trực tiếp từ hơn 70 sang 13 ngôn ngữ
Realtime-Translate nhận đầu vào hơn 70 ngôn ngữ nguồn và xuất ra 13 ngôn ngữ đích. Truyền theo luồng với độ trễ thấp nên dùng được cho cuộc gọi trực tiếp — giá 0,034 USD mỗi phút âm thanh.
Điều này có ý nghĩa gì với người dùng BibiGPT
BibiGPT xử lý tạo phụ đề video dài, dịch và hỏi đáp bằng trợ lý AI. Thế hệ API giọng nói mới này sắp xếp lại toàn bộ bức tranh cho những tác vụ giọng nói khó nhất.
Phụ đề theo luồng rẻ hơn
Realtime-Whisper hạ giá nhận dạng giọng nói theo luồng xuống 0,017 USD mỗi phút — khoảng một nửa so với các dịch vụ gần thời gian thực tương đương. Đây là mức giá có ý nghĩa trực tiếp với các luồng phụ đề YouTube, Bilibili và podcast.
Dịch giọng nói trong một bước
Realtime-Translate gộp nhận dạng giọng nói, dịch và xuất theo luồng vào một điểm cuối duy nhất. Với các cặp ngôn ngữ được hỗ trợ, chuỗi xử lý ngắn lại và đầu ra sạch hơn.
Hỏi đáp bằng giọng nói trên ngữ cảnh dài
Với 128K ngữ cảnh giọng nói, trợ lý AI có thể trả lời câu hỏi tiếp nối về một bài giảng 90 phút trong cùng một phiên — không phải tóm tắt lại, không đánh mất các luận điểm ở phần đầu.
5 thay đổi cốt lõi (tóm tắt 90 giây)
Những thay đổi chính trong đợt ra mắt API giọng nói ngày 2026-05-07 của OpenAI.
- 1
Ba điểm cuối giọng nói mới
Realtime-2, Realtime-Translate và Realtime-Whisper ra mắt cùng lúc. Bên gọi chọn điểm cuối theo mục đích, thay vì dùng một API giọng nói đa dụng cho mọi việc.
- 2
Ngữ cảnh từ 32K lên 128K
Realtime-2 chứa được lượng ngữ cảnh giọng nói gấp 4 lần. Bài giảng dài, podcast nhiều giờ hay trọn một cuộc họp nằm gọn trong một phiên — không cần chia nhỏ, không có ranh giới làm mất ngữ cảnh.
- 3
Suy luận ngang GPT-5 trên giọng nói
Realtime-2 được định vị là phiên bản giọng nói tương ứng của suy luận GPT-5. Trợ lý giọng nói nhiều lượt, gọi công cụ và truy xuất có cấu trúc đều hưởng cùng mức cải thiện suy luận đó.
- 4
Translate 0,034 USD/phút, nhận dạng giọng nói 0,017 USD/phút
Realtime-Translate bao phủ hơn 70 ngôn ngữ nguồn sang 13 ngôn ngữ đích, tính tiền theo phút âm thanh. Nhận dạng giọng nói theo luồng của Realtime-Whisper rẻ khoảng một nửa so với dịch vụ Realtime trước đó.
- 5
Người dùng BibiGPT không phải làm gì thêm
Thay vì tự tích hợp trực tiếp với nhà cung cấp, dùng BibiGPT nghĩa là năng lực phù hợp nhất được chọn tự động cho phụ đề và dịch video. Người dùng cuối nhận kết quả tốt hơn mà không phải viết một dòng mã chuyển đổi nào.
3 tình huống phổ biến cho người dùng BibiGPT
Những kịch bản mà bộ API giọng nói mới phát huy hiệu quả nhất.
Tạo phụ đề cho video dài
Một bài giảng Bilibili 90 phút hay podcast YouTube 2 tiếng. Với mức 0,017 USD mỗi phút, nhận dạng giọng nói theo luồng cắt một nửa chi phí phụ đề. Người dùng BibiGPT nhận kết quả rẻ hơn và nhanh hơn trên toàn chuỗi mà không phải chỉnh gì.
Dịch đa ngôn ngữ trực tiếp
Bài nói kỹ thuật từ tiếng Nhật sang tiếng Anh, đánh giá sản phẩm từ tiếng Trung sang tiếng Hàn, bình luận pháp lý từ tiếng Anh sang tiếng Trung phồn thể. Realtime-Translate gộp nhận dạng giọng nói và dịch vào một điểm cuối truyền theo luồng, giá 0,034 USD mỗi phút, cho đầu ra sạch hơn và độ trễ thấp hơn ở các cặp ngôn ngữ được hỗ trợ.
Hỏi đáp bằng trợ lý AI trên video dài
Sau khi BibiGPT trả về bản tóm tắt, bạn hỏi tiếp bằng giọng nói: "ở phút 47 diễn giả nói gì về giá?". Với 128K ngữ cảnh giọng nói và suy luận ngang GPT-5, trợ lý trả lời dựa trên trọn bài giảng trong một phiên — không phải tóm tắt lại, không đánh mất luận điểm ở phần đầu.
Được các nhà sáng tạo, sinh viên và nhà nghiên cứu yêu thích
Lý do mọi người dùng BibiGPT mỗi ngày để chuyển video thành văn bản.
Được hơn 50.000 người dùng trên toàn thế giới tin dùng
“Tôi chỉ cần dán liên kết là có ngay phụ đề sạch sẽ trong vài giây — tiết kiệm hàng giờ gõ lại mỗi tuần.”
Maya R.
Nhà sáng tạo nội dung · Tái sử dụng video ngắn
“Xuất bản ghi giúp tôi ôn từ mới theo nhịp độ riêng thay vì liên tục tạm dừng video.”
Daniel K.
Người học ngoại ngữ · Học qua video thực tế
“Văn bản chính xác kèm dấu thời gian, có thể trích dẫn trực tiếp. Nó đã lặng lẽ trở thành một phần công việc hằng ngày của tôi.”
Priya S.
Nhà nghiên cứu · Trích dẫn các buổi nói chuyện công khai
FAQ
Câu hỏi thường gặp
Hỏi chúng tôi bất cứ điều gì.
Popular guides
1 Công cụ tóm tắt video Bilibili bằng AI: BibiGPT tóm tắt 30+ nền tảng tức thì (2026)
Công cụ tóm tắt video Bilibili bằng AI tốt nhất 2026? BibiGPT hỗ trợ 30+ nền tảng với 1M+ người dùng. Dán bất kỳ liên kết Bilibili nào để có tóm tắt có cấu trúc tức thì. So sánh top 5 công cụ cộng tự động hóa AI agent.
2 Cách cài skill cho DeepSeek Harness: hướng dẫn thực chiến giúp dsh biết xem video
Cài skill tóm tắt video vào DeepSeek Harness chỉ cần copy thư mục — SKILL.md giống Claude Code. Không cần dsh: dán link Bilibili hoặc YouTube trên trình duyệt là có bản tóm tắt kèm mốc thời gian.
3 How to Reverse a Video Without an App — Free, In-Browser, No Download (2026)
Reverse any video free with no app and no download, right in your browser. Step-by-step for iPhone, Android, and PC, plus how to reverse audio (2026).
Tạo phụ đề và dịch video bằng BibiGPT
BibiGPT kết hợp nhiều mô hình AI tiên tiến và tự động chọn theo kịch bản — phụ đề video, dịch đa ngôn ngữ, hỏi đáp tiếp nối. Bạn nhận đúng năng lực phù hợp cho từng tác vụ mà không phải tự lo chuyển đổi hay quản lý chi phí theo phút.