OpenAI Tłumaczenie Na Żywo (2026): ChatGPT Voice, gpt-realtime-translate i Whisper+GPT w Porównaniu

1. 1. Co OpenAI Oferuje do Tłumaczenia Na Żywo w 2026

Dostępne są trzy różne rozwiązania od czerwca 2026:

ChatGPT Voice — tłumaczenie na żywo (konsumenckie). Tłumaczenie na żywo jest wbudowane w tryb głosowy ChatGPT. Użytkownik dotyka ikony Voice w kompozytorze wiadomości aplikacji ChatGPT, prosi asystenta o tłumaczenie między językami, a model kontynuuje tłumaczenie przez całą rozmowę, dopóki nie zostanie poproszony o zatrzymanie lub zmianę. Wymaga to płatnej subskrypcji ChatGPT — Plus, Teams, Enterprise lub Edu (strona cennika konsumenckiego OpenAI; Plus to ~$20/miesiąc). W naszych sprawdzeniach z 10 czerwca 2026 nie ma bezpłatnego dostępu do tłumaczenia na żywo. Interfejs jest konwersacyjny, a nie dedykowanym interfejsem tłumacza; nie ma selektora pary języków źródłowy/docelowy, dwukolumnowego transkryptu źródłowego i przetłumaczonego, ani wybierania połączeń.

`gpt-realtime-translate` (dedykowany model API). 7 maja 2026 OpenAI wydało specjalnie zbudowany model tłumaczenia strumieniowego mowa-na-mowę w Realtime API. Według ogłoszenia OpenAI, model został "wytrenowany na tysiącach godzin profesjonalnego audio tłumaczy" i jest skonfigurowany, aby "pozostać tylko w trybie tłumaczenia i czekać na wystarczający kontekst przed produkcją mowy." Obsługuje ponad 70 języków wejściowych tłumaczonych na 13 języków wyjściowych i jest wyceniony na $0.034 za minutę audio wejściowego (cennik API OpenAI). Udokumentowani partnerzy startowi wymienieni w ogłoszeniu OpenAI: Deutsche Telekom (wielojęzyczna obsługa klienta) i Vimeo (tłumaczenie w czasie rzeczywistym filmów edukacyjnych o produktach).

Whisper + GPT-4o-mini (pipeline DIY). Oryginalna ścieżka deweloperska pozostaje dostępna. Whisper-large obsługuje mowę-na-tekst (99 języków według przewodnika mowa-na-tekst OpenAI; $0.006/min audio na stronie cennika API OpenAI); GPT-4o-mini obsługuje tłumaczenie (cennik za token, to samo źródło). Razem obsługują dowolne pary językowe — nie 13-językowy limit `gpt-realtime-translate` — i dają deweloperowi pełną kontrolę nad segmentacją, promptowaniem, obsługą słowników i formatem wyjściowym. Kosztem jest inżynieria: API Whisper nie segmentuje ciągłej mowy na granice wypowiedzi, więc deweloper dostarcza wykrywanie aktywności głosowej (VAD), logikę punktów końcowych, filtrowanie halucynacji, interfejs strumieniowy i telefonię.

2. 2. ChatGPT Voice — Tryb Tłumaczenia Na Żywo (Konsumencki)

ChatGPT Voice z tłumaczeniem na żywo działa w konsumenckiej aplikacji ChatGPT na iOS, Android i w przeglądarce. Użytkownik otwiera sesję Voice i daje asystentowi instrukcję tłumaczenia, taką jak "tłumacz między angielskim a japońskim." Model następnie tłumaczy wypowiedzi każdego mówcy na żądany język docelowy w sposób ciągły, przez kolejne tury, dopóki użytkownik nie powie mu, żeby przestał, zmienił języki lub zakończył sesję.

Dostęp wymaga płatnej subskrypcji ChatGPT. Ulepszony tryb Voice z tłumaczeniem na żywo jest dostępny dla użytkowników ChatGPT Plus (~$20/miesiąc według strony cennika konsumenckiego OpenAI), Teams, Enterprise i Edu; dostęp jest inicjowany przez ikonę Voice w kompozytorze wiadomości (jak udokumentowano na chatgpt.com/features/voice i potwierdzone przez Tom's Guide i 9to5Mac w relacjach z premiery). Funkcja tłumaczenia na żywo nie jest dostępna w warstwie bezpłatnej w naszych sprawdzeniach z 10 czerwca 2026.

Co daje interfejs, a czego nie. Doświadczenie użytkownika to konwersacyjna sesja Voice — naturalna dla wymiany międzyjęzykowej jeden na jeden lub małej rozmowy osobistej. Nie zawiera dedykowanego interfejsu tłumacza z selektorem języka źródłowy/docelowy, dwukolumnową parą transkryptów źródłowy-i-przetłumaczony, którą można czytać podczas słuchania, eksportem sesji, notatką ze spotkania ani wybieraniem połączeń wychodzących. Model obsługuje aktywność głosową i kolejkowanie wewnętrznie; użytkownik nie ma jawnej kontroli nad czasem punktów końcowych, słownikiem czy stylem promptu.

Model bazowy i zachowanie. Tłumaczenie na żywo ChatGPT Voice jest zbudowane na rodzinie modeli Realtime OpenAI. Relacje z premiery z 7 maja 2026 (Tom's Guide, 9to5Mac, Slator) wskazują, że konsumencka powierzchnia Voice używa tej samej infrastruktury Realtime, która hostuje `gpt-realtime-translate`, z wykrywaniem aktywności głosowej na poziomie aplikacji konsumenckiej, stanem rozmowy i renderowaniem interfejsu na górze. Publiczna dokumentacja modeli OpenAI nie opisuje oddzielnej karty modelu dla konsumenckiego wariantu tłumaczenia Voice na dzień 10 czerwca 2026.

3. 3. gpt-realtime-translate — Dedykowany Model API

`gpt-realtime-translate` to pierwszy specjalnie zbudowany model tłumaczeniowy OpenAI, wydany 7 maja 2026 w Realtime API. Różni się od trasy DIY Whisper + GPT-4o-mini tym, że strumieniowa transformacja mowa-na-mowę odbywa się w jednym modelu, a nie przez dwa niezależnie promptowane wywołania API.

Specyfikacje. Według książki kucharskiej deweloperów OpenAI: ponad 70 języków wejściowych wykrywanych automatycznie, 13 języków wyjściowych. Cennik $0.034 za minutę audio wejściowego. Zwraca przetłumaczone audio plus transkrypty tekstowe zarówno mowy źródłowej, jak i przetłumaczonego wyjścia — powierzchnia transkryptu, której konsumencki tryb ChatGPT Voice nie udostępnia. Brak atrybucji mówcy i brak wyboru głosu. Wypowiadane wyjście nie może być poprawione po emisji.

Trening i zachowanie. OpenAI stwierdza, że model został "wytrenowany na tysiącach godzin profesjonalnego audio tłumaczy, co pomaga mu pozostać tylko w trybie tłumaczenia i czekać na wystarczający kontekst przed produkcją mowy." W własnej ocenie OpenAI model dostarczył o 12,5% niższe wskaźniki błędów słów niż jakikolwiek inny testowany model na hindi, tamilskim i telugu — udokumentowana siła wydania w językach indyjskich.

Ograniczenia trybu tłumaczenia. Według książki kucharskiej OpenAI, wywołanie API trybu tłumaczenia to ograniczona powierzchnia w porównaniu z ogólnym użyciem Realtime API. Wejście tekstowe nie jest obsługiwane w trybie tłumaczenia, a użycie narzędzi i instrukcje systemowe są wyłączone — wejście to audio, wyjście to audio plus transkrypty, a model zachowuje się jako dedykowany tłumacz, a nie ogólny asystent głosowy.

4. 4. Whisper + GPT-4o-mini — Pipeline DIY

Trasa Whisper + GPT-4o-mini pozostaje dostępna i nadal jest właściwym wyborem dla deweloperów, którzy potrzebują zachowań, których dedykowany model tłumaczeniowy nie zapewnia: dowolnych języków wyjściowych poza 13-językowym limitem, szczegółowej kontroli promptu i słownika, niestandardowych strategii segmentacji lub integracji z innymi możliwościami Realtime API, takimi jak użycie narzędzi.

Specyfikacje. Whisper-large obsługuje 99 języków wejściowych dla mowa-na-tekst (przewodnik mowa-na-tekst OpenAI) za $0.006 za minutę audio (strona cennika OpenAI). GPT-4o-mini obsługuje krok tłumaczenia z cennikiem za token (również na stronie cennika OpenAI). Te dwie usługi to niezależne wywołania sieciowe; całkowity koszt za minutę zależy od długości transkryptu, ale jest zazwyczaj niższy niż `gpt-realtime-translate` dla użycia z angielskim jako celem i wyższy wysiłek inżynieryjny.

Co dostarcza deweloper. Produkcyjne tłumaczenie głosu w czasie rzeczywistym na bazie Whisper + GPT-4o-mini wymaga następujących komponentów, z których żadnego OpenAI nie dostarcza:

• Wykrywanie aktywności głosowej (VAD). API Whisper udostępnia transkrypcję na ukończonych fragmentach audio, ale nie segmentuje ciągłej mowy na granice wypowiedzi; deweloper dostarcza oddzielny VAD, aby zdecydować, kiedy wysłać każdy fragment. Bez tego nie ma sygnału, kiedy wypowiedź się kończy.
• Logika punktów końcowych. Zdecydować, czy czekać na więcej audio (niższe opóźnienie, więcej poprawek) czy zatwierdzić wcześnie (wyższe opóźnienie, mniej poprawek). Ten kompromis definiuje doświadczenie użytkownika.
• Filtrowanie halucynacji. Whisper jest szeroko zgłaszany jako halucynujący angielski tekst wypełniający na krótkich klipach — częste artefakty obejmują "Thanks for watching!" i "Subscribe!", przypisywane treści YouTube w jego korpusie treningowym; zobacz dyskusję GitHub openai/whisper o halucynacjach na krótkich klipach. Wdrożenia produkcyjne wymagają filtrowania tych.
• Prymitywy interfejsu strumieniowego. Nakładka z bramkowanym zatwierdzaniem, aby wyświetlany tekst się nie cofał, akumulacja częściowych fragmentów, zachowanie przewijania i wyświetlanie źródłowe-vs-przetłumaczone.
• Integracja telefoniczna do użycia połączeń telefonicznych (Twilio, Telnyx lub podobne), w tym dwukierunkowe mostkowanie audio i zgodność z ujawnianiem nagrywania połączeń na jurysdykcję.
• Monitorowanie kosztów + obsługa limitów szybkości. Przy ciągłym użyciu koszt za minutę może przekroczyć płaską subskrypcję, a limity szybkości na konto wymagają strategii wycofywania.

5. 5. Jak Radzą Sobie w Niezależnych Pomiarach

Co zmierzyliśmy (a czego nie). Liczby poniżej dotyczą surowego punktu końcowego API `gpt-realtime-translate` Realtime, dostępnego programowo przez Python SDK, z tymi samymi granicami wypowiedzi energy-VAD zastosowanymi jednolicie do każdego systemu poziomu API w benchmarku LiveLingo. Nie mierzyliśmy aplikacji konsumenckiej ChatGPT Voice osobno. ChatGPT Voice jest zbudowany na tej samej infrastrukturze Realtime, ale powierzchnia konsumencka dodaje własny VAD po stronie klienta, stan rozmowy, renderowanie interfejsu i może stosować wygładzanie po stronie serwera, do którego nie mamy programowego dostępu. Użytkownik ChatGPT Voice może widzieć inne postrzegane opóźnienie, dryft opóźnienia i zachowanie przełączania kodów niż raportują liczby poziomu API. Tam, gdzie ta sekcja cytuje konkretne zachowania (dryft, cisza przełączania kodów), traktuj je jako dolną granicę doświadczenia dewelopera na punkcie końcowym Realtime API, a nie górną granicę konsumencką ChatGPT-Voice. Liczby pipeline DIY Whisper + GPT-4o-mini są podobnie na poziomie API — odzwierciedlają to, czego doświadcza deweloper po złożeniu naiwnego bazowego pipeline'u, a nie ręcznie dostrojonego systemu produkcyjnego.

Powtarzalność. Każda liczba w tej sekcji reprodukuje się z tych samych trzech 120-sekundowych klipów audio VOA domeny publicznej, tego samego punktu końcowego Realtime API i tego samego harnesa Python używanego do oryginalnego benchmarku czterosystemowego. Audio (`audio.zip`), surowy JSON na wypowiedź (`openai-realtime-results.json`) i metodologia są opublikowane na livelingo.io/research/benchmark-2026.

gpt-realtime-translate — zmierzone zachowanie

Najszybsze pierwsze audio ze wszystkich testowanych systemów. Mediana 711 ms od początku mowy do pierwszego przetłumaczonego audio we wszystkich 120 ocenianych sesjach (p10–p90: 485–1,012 ms). Dla kontekstu, Gemini 3.5 Live Translate zmierzył ~2,9 s na tej samej metryce — `gpt-realtime-translate` jest około cztery razy szybszy do pierwszego wyjścia. Szybkość to prawdziwa siła tego modelu.

Kompozyt wierności zrozumienia: 4,53 / 5. Oceniony przez dwóch niezależnych sędziów frontier LLM (GPT-4o, Gemini 2.5 Flash) używających tej samej rubryki i promptów sędziowskich co oryginalny benchmark czterosystemowy, przez 120 wypowiedzi i cztery pary językowe (en→es, en→zh-CN, en→ja, en→de). To był najniższy wynik z sześciu mierzonych systemów. Głowa w głowę przeciwko LiveLingo na poziomie komórki: 4 wygrane, 80 remisów, 36 przegranych. Powtarzające się klasy błędów: dodatkowe frazy dodawane na początku wypowiedzi, odwrócenia znaczenia (np. "I was stressed about work" renderowane jako życzenie bycia zestresowanym) i nazwy własne zastąpione rzeczownikami pospolitymi.

Porównanie sześciu systemów w benchmarku LiveLingo 2026 (120 wypowiedzi, cztery pary językowe, kompozyt 2-sędziowski). Surowe dane: livelingo.io/research/benchmark-2026.

Dryft opóźnienia na ciągłej mowie. Szybkość do pierwszego wyjścia jest doskonała, ale na rozszerzonym audio przetłumaczony głos progresywnie zostaje w tyle za mówcą, gdy nieprzetłumaczony zaległości się gromadzą. Mierząc od końca każdej wypowiedzi źródłowej do przybycia przetłumaczonej mowy dla tej wypowiedzi: mediana 3,8 s, dryfując tak daleko jak 20,3 s w tyle na gęstym klipie pt→en VOA. To jest kompromis, który tworzy architektura audio-na-audio — wyjście mowy jest naturalnie ograniczone przez tempo mówienia syntetyzowanego głosu, więc model nie może "nadrobić" szybciej niż ludzkie tempo.

Niepowodzenie mowy przełączanej kodami. Według dokumentacji deweloperskiej OpenAI model może pomijać mowę, która jest już w języku wyjściowym. Na klipie zh→en VOA w benchmarku LiveLingo ujawniło się to jako cisza w 86. sekundzie, gdy źródło przełączyło się na angielską mowę — model ucichł i nie przepuścił angielskiej treści do przetłumaczonego wyjścia. Gemini 3.5 Live Translate wykazuje tę samą lukę na tym samym klipie; to jest problem klasowy dla dedykowanych modeli tłumaczenia audio-na-audio (zobacz uwagę poniżej). Pipeline'y, które udostępniają strumieniowy transkrypt tekstowy, mogą przepuścić treść przełączaną kodami do wyświetlanego transkryptu zamiast ją porzucać.

Powierzchnie wyjściowe. Przetłumaczone audio plus transkrypty tekstowe zarówno źródła, jak i wyjścia — bliżej powierzchni produktu transkrypt-pierwszy niż Gemini 3.5 Live Translate API tylko-audio. Brak atrybucji mówcy. Brak wyboru głosu. Wypowiadane wyjście nie może być poprawione po emisji.

Audio-na-audio to klasa ze wspólnymi ograniczeniami. Zachowania w tej sekcji nie są unikalne dla `gpt-realtime-translate`. Google's Gemini 3.5 Live Translate i jakikolwiek inny obecny model tłumaczenia mowa-na-mowę audio-na-audio dziedziczy tę samą klasę kompromisów: (1) dryft opóźnienia tempa wyjściowego na ciągłej mowie, ponieważ przetłumaczone audio jest ograniczone przez tempo mówienia i nie może nadrobić szybciej niż ludzkie tempo; (2) cisza przełączania kodów, ponieważ model jest skonfigurowany do pomijania mowy już w języku wyjściowym; (3) brak atrybucji mówcy w linii w syntetyzowanym audio; (4) nieodwracalne zatwierdzenia w środku wypowiedzi, ponieważ wypowiadane audio nie może być cofnięte tak, jak wyświetlany tekst może. Systemy, które udostępniają strumieniowy transkrypt tekstowy — w tym trasa DIY Whisper + GPT-4o-mini OpenAI i produkty tłumaczenia strumieniowego transkryptu jak LiveLingo — unikają (2), (3) i (4) kosztem albo narzutu opóźnienia dwóch modeli, albo innej modalności wyjściowej. Traktuj to jako wgląd kategorii, a nie krytykę jednego modelu.

Whisper + GPT-4o-mini DIY pipeline — zmierzone zachowanie

Na tych samych trzech 120-sekundowych klipach VOA naiwny bazowy pipeline Whisper-large + GPT-4o-mini zmierzył medianę Opóźnienia Końcowego Transkryptu 2,720 ms (95% CI 1,880–3,396, n=28) i emitował ≈22 Znormalizowane Usunięcia na 120-sekundowy klip (poprawki tokenów przez częściowe fragmenty). Kompozyt wierności zrozumienia wynosił 4,63 / 5 przez te same cztery pary językowe.

Warto zauważyć: pipeline DIY uzyskał wyższe zrozumienie niż dedykowany model `gpt-realtime-translate` (4,63 vs 4,53). Dedykowany model jest szybszy do pierwszego wyjścia i łatwiejszy do integracji, ale w tym benchmarku starszy pipeline dwumodelowy czyta znaczenie źródłowe nieco dokładniej. Różnice mieszczą się w ~0,10 na 5-punktowej skali i odzwierciedlają różne priorytety projektowe — szybkość i prostotę operacyjną dla dedykowanego modelu, dokładność transkryptu i kontrolę promptu dla pipeline'u.

6. 6. Co Ujawnia Własna Dokumentacja OpenAI

Stwierdzenia zaczerpnięte bezpośrednio z ogłoszenia OpenAI z 7 maja 2026 i dokumentacji deweloperskiej:

• Korpus treningowy. "Wytrenowany na tysiącach godzin profesjonalnego audio tłumaczy, co pomaga mu pozostać tylko w trybie tłumaczenia i czekać na wystarczający kontekst przed produkcją mowy." (Źródło: ogłoszenie OpenAI.)
• Pokrycie językowe. Ponad 70 języków wejściowych na 13 języków wyjściowych. (Źródło: Książka Kucharska OpenAI.)
• Siła w językach indyjskich. "O 12,5% niższe wskaźniki błędów słów niż jakikolwiek inny testowany model" na hindi, tamilskim i telugu we własnej ocenie OpenAI. (Źródło: ogłoszenie OpenAI.)
• Zachowanie przełączania kodów. Dokumentacja OpenAI stwierdza, że model może pomijać mowę już w języku wyjściowym — wybór projektowy, który produkuje ciszę na audio przełączanym kodami.
• Ograniczenia trybu. W trybie tłumaczenia wejście tekstowe nie jest obsługiwane, a użycie narzędzi plus instrukcje systemowe są wyłączone. Wywołanie trybu tłumaczenia to ograniczona powierzchnia w porównaniu z ogólnym Realtime API.
• Format wyjściowy (deweloper). Audio jest wysyłane i odbierane w surowym PCM ze strumieniowaniem fragmentowanym. Odwołaj się do przewodnika Realtime API dla dokładnego formatu i wskazówek dotyczących rozmiaru fragmentu.
• Cennik. $0.034 za minutę audio wejściowego dla `gpt-realtime-translate`. $0.006 za minutę audio dla Whisper. GPT-4o-mini za token. ChatGPT Plus to około $20/miesiąc i jest minimalną płatną warstwą dla dostępu do tłumaczenia na żywo ChatGPT Voice. (Cennik API OpenAI i cennik konsumencki ChatGPT.)
• Udokumentowani użytkownicy startowi. Deutsche Telekom (wielojęzyczna obsługa klienta) i Vimeo (tłumaczenie w czasie rzeczywistym filmów edukacyjnych o produktach). (Źródło: ogłoszenie OpenAI.)

7. 7. Kiedy Wybrać Które Rozwiązanie — i Kiedy Inne Narzędzie Pasuje

Wybierz tłumaczenie na żywo ChatGPT Voice jeśli

• Już płacisz za ChatGPT Plus (lub Teams, Enterprise, Edu) i nie chcesz dodawać kolejnej subskrypcji.
• Twój przypadek użycia to rozmowa jeden na jeden lub mała rozmowa osobista, a nie wielostronne spotkanie, które potrzebuje wyświetlanych transkryptów.
• Akceptujesz interfejs trybu konwersacyjnego, a nie dedykowany interfejs tłumacza z selektorami języka źródłowy/docelowy i zapisanym transkryptem.
• Czujesz się komfortowo z modelem obsługującym aktywność głosową i kolejkowanie wewnętrznie, bez jawnej kontroli użytkownika.

Wybierz gpt-realtime-translate (Realtime API) jeśli

• Budujesz aplikację deweloperską, gdzie czas do pierwszego przetłumaczonego audio ma większe znaczenie niż margines zrozumienia.
• Twoja lista języków wyjściowych mieści się w 13 językach.
• Obsługujesz odbiorców języków indyjskich (hindi, tamilski, telugu), gdzie własna ocena OpenAI raportuje 12,5% redukcję WER nad alternatywami.
• Możesz zbudować warstwę skierowaną do konsumenta (interfejs, telefonia, obsługa błędów, fallbacki przełączania kodów) na bazie API OpenAI.
• Akceptujesz kompromis szybkość-vs-zrozumienie (4,53/5 zrozumienia vs 4,63 dla pipeline DIY na tym samym benchmarku) w zamian za jedno wywołanie API zamiast dwóch.

Wybierz Whisper + GPT-4o-mini DIY jeśli

• Potrzebujesz dowolnych języków wyjściowych poza 13-językowym limitem.
• Potrzebujesz pełnej kontroli promptu i słownika dla specjalistycznego słownictwa lub ograniczeń stylu.
• Masz zdolność inżynieryjną do VAD, wykrywania punktów końcowych, filtrowania halucynacji, interfejsu strumieniowego i telefonii.
• Chcesz niższy koszt za minutę audio ($0.006 Whisper) i możesz zaakceptować cennik GPT-4o-mini za token.
• Chcesz zintegrować tłumaczenie z szerszą powierzchnią możliwości Realtime API (użycie narzędzi, instrukcje systemowe), której dedykowany tryb tłumaczenia nie udostępnia.

Gdzie inne narzędzie może lepiej pasować

Trzy rozwiązania OpenAI pokrywają większość przypadków użycia tłumaczenia na żywo, ale każde żyje w określonym kształcie: ChatGPT Voice to chatbot z tłumaczeniem, `gpt-realtime-translate` to API deweloperskie, a Whisper + GPT-4o-mini to zestaw bloków konstrukcyjnych. Dedykowana powierzchnia aplikacji tłumacza — ze strumieniowym wyjściem tekst + audio, które można czytać podczas słuchania, atrybucją na mówcę, bramkowanymi zatwierdzanymi transkryptami, które nigdy się nie cofają, tłumaczonymi połączeniami wychodzącymi i bezpłatną warstwą poza bramą subskrypcji — to inna kategoria produktu. LiveLingo (publikujący ten przewodnik) tam się znajduje. Uczciwy kompromis: wyjście audio LiveLingo działa przez domyślny silnik tekst-na-mowę platformy hosta, więc wypowiadany głos jest mniej ekspresyjny niż `gpt-realtime-translate`; konwersacyjny interfejs ChatGPT Voice może czuć się bardziej naturalny niż dedykowany interfejs tłumacza dla swobodnej wymiany zdań. Specyfikacje obok siebie: /compare/chatgpt-translation. Liczby benchmarku: /research/benchmark-2026.

8. 8. Często Zadawane Pytania

Jakie tłumaczenie na żywo oferuje OpenAI w 2026?

OpenAI dostarcza tłumaczenie na żywo w trzech rozwiązaniach od połowy 2026. ChatGPT Voice zawiera tryb tłumaczenia na żywo dla płatnych subskrybentów (Plus, Teams, Enterprise, Edu). `gpt-realtime-translate` to dedykowany model tłumaczenia strumieniowego mowa-na-mowę w Realtime API, wydany 7 maja 2026, wyceniony na $0.034 za minutę audio wejściowego z ponad 70 językami wejściowymi i 13 językami wyjściowymi. Pipeline DIY Whisper-large (mowa-na-tekst) i GPT-4o-mini (tłumaczenie) pozostaje dostępny dla deweloperów, którzy chcą dowolnych par językowych i pełnej kontroli stosu.

Jak działa tłumaczenie na żywo ChatGPT Voice?

Dotknij ikony Voice w kompozytorze wiadomości aplikacji ChatGPT, następnie poproś asystenta o tłumaczenie — np. "tłumacz między angielskim a japońskim." Model kontynuuje tłumaczenie przez tury, dopóki nie zostanie poproszony o zatrzymanie lub zmianę języków. Dostępne dla płatnych subskrybentów ChatGPT (Plus ~$20/miesiąc, Teams, Enterprise lub Edu). To konwersacyjna powierzchnia głosowa, a nie dedykowany interfejs tłumacza z selektorami języka źródłowy/docelowy, parami transkryptów źródłowy-i-przetłumaczony ani wybieraniem połączeń.

Co to jest gpt-realtime-translate?

Dedykowany model tłumaczenia strumieniowego mowa-na-mowę OpenAI w Realtime API, wydany 7 maja 2026. Wytrenowany na tysiącach godzin profesjonalnego audio tłumaczy. Ponad 70 języków wejściowych → 13 języków wyjściowych. Wyceniony na $0.034 za minutę audio wejściowego. Zwraca przetłumaczone audio plus transkrypty tekstowe zarówno źródła, jak i wyjścia. Udokumentowani użytkownicy korporacyjni przy starcie obejmują Deutsche Telekom i Vimeo.

Czy nadal można zbudować tłumacza na żywo z Whisper i GPT-4o-mini?

Tak. Pipeline DIY (Whisper-large $0.006/min audio, 99 języków źródłowych; GPT-4o-mini za token) pozostaje najbardziej elastyczną trasą OpenAI — obsługuje dowolne pary językowe i daje pełną kontrolę nad segmentacją, promptowaniem i formatem wyjściowym. Kompromisem jest koszt inżynieryjny: API Whisper nie segmentuje ciągłej mowy na granice wypowiedzi, więc deweloper musi zbudować VAD, logikę punktów końcowych, filtrowanie halucynacji, interfejs strumieniowy i telefonię.

Jakie są zmierzone opóźnienie i zrozumienie gpt-realtime-translate?

W dodatku do benchmarku LiveLingo Research (10 czerwca 2026), `gpt-realtime-translate` miał najszybsze opóźnienie pierwszego audio ze wszystkich testowanych systemów — mediana 711 ms od początku mowy do pierwszego przetłumaczonego audio. Kompozyt wierności zrozumienia wynosił 4,53 / 5, najniższy z sześciu mierzonych systemów. Na ciągłej mowie przetłumaczony głos zostawał w tyle za mówcą — mediana 3,8 s, dryfując do 20,3 s na gęstym audio. Powtarzające się błędy: dodatkowe wstawienia, odwrócenia znaczenia, substytucje nazw własnych. Źródło: livelingo.io/research/benchmark-2026.

Czy te liczby odzwierciedlają doświadczenie użytkownika ChatGPT Voice?

Nie. Zmierzone liczby dotyczą surowego wywołania API `gpt-realtime-translate` Realtime. ChatGPT Voice jest zbudowany na tej samej infrastrukturze Realtime, ale aplikacja konsumencka dodaje własny VAD po stronie klienta, stan rozmowy, renderowanie interfejsu i może stosować wygładzanie po stronie serwera nie mierzone osobno. Użytkownik ChatGPT Voice może widzieć inne postrzegane opóźnienie, dryft opóźnienia i zachowanie przełączania kodów niż raportują liczby poziomu API. Traktuj opublikowany benchmark jako dolną granicę doświadczenia dewelopera na punkcie końcowym Realtime API, a nie górną granicę użytkownika ChatGPT-Voice.

Jak OpenAI obsługuje przełączanie kodów?

Według dokumentacji deweloperskiej OpenAI, `gpt-realtime-translate` może pomijać mowę już w języku wyjściowym. W benchmarku LiveLingo ujawniło się to jako cisza na klipie zh→en VOA w 86. sekundzie, gdy źródło przełączyło się na angielski. Gemini 3.5 Live Translate wykazuje tę samą lukę na tym samym klipie. Systemy strumieniowego transkryptu tekstowego, które przepuszczają mowę w języku docelowym do wyświetlanego transkryptu, nie mają tej luki.

Kiedy powinieneś wybrać które rozwiązanie OpenAI?

Tłumaczenie na żywo ChatGPT Voice, jeśli już płacisz za ChatGPT Plus lub wyżej i akceptujesz interfejs konwersacyjny. `gpt-realtime-translate`, jeśli budujesz aplikację deweloperską, gdzie szybkość do pierwszego audio ma większe znaczenie niż stabilność wyświetlanego tekstu, twoja lista języków wyjściowych mieści się w 13 i możesz zbudować powierzchnię konsumencką na górze. Whisper + GPT-4o-mini DIY, jeśli potrzebujesz dowolnych języków wyjściowych, pełnej kontroli promptu i słownika, niższego kosztu za minutę i zdolności inżynieryjnej do zbudowania VAD, wykrywania punktów końcowych, filtrowania halucynacji, interfejsu strumieniowego i telefonii.

9. 9. Źródła

• OpenAI. Advancing voice intelligence with new models in the API. Blog OpenAI, 7 maja 2026. openai.com
• OpenAI Developers. Build Live Translation Apps with gpt-realtime-translate. Książka Kucharska OpenAI. developers.openai.com
• OpenAI Developers. Realtime and audio (przewodnik Realtime API). developers.openai.com
• OpenAI. ChatGPT Voice mode (strona funkcji konsumenckich). chatgpt.com
• OpenAI. API pricing (stawki na model). openai.com/api/pricing
• OpenAI. ChatGPT pricing (warstwy konsumenckie). openai.com/chatgpt/pricing
• OpenAI. Speech-to-text guide (dokumentacja Whisper). platform.openai.com
• Tom's Guide. ChatGPT Voice just got more human — and it now translates in real time, 7 maja 2026. tomsguide.com
• 9to5Mac. OpenAI has new voice models that reason, translate, and transcribe as you speak, 7 maja 2026. 9to5mac.com
• Slator. OpenAI Doubles Down on AI Live Speech Translation in ChatGPT. slator.com
• openai/whisper. GitHub Discussions — halucynacje na krótkich klipach. github.com
• LiveLingo Research. Real-Time Voice Translation Benchmark 2026 — dodatek OpenAI gpt-realtime-translate, 10 czerwca 2026. livelingo.io/research/benchmark-2026
• LiveLingo. LiveLingo vs ChatGPT: Real-Time Voice Translation Compared (2026). livelingo.io/compare/chatgpt-translation

Cennik, dostępność, użytkownicy startowi i szczegóły dostępu do warstwy konsumenckiej zweryfikowane względem powyższych źródeł pierwotnych 10 czerwca 2026. OpenAI może zmienić warstwy, cennik, pokrycie językowe i zachowanie modelu; skonsultuj się z linkowanymi źródłami dla aktualnego stanu przed poleganiem na jakiejkolwiek konkretnej liczbie.