实时翻译需将识别、翻译、合成嵌入毫秒级音视频链路，核心是延迟预算与协同。分为字幕翻译和语音翻译两种形态，按场景取舍。工程难点包括说话人分离、噪声口音、术语一致、字幕同步和算力成本。理想方案应让用户无感。

NDI与NVIDIA合作开发AI驱动工作流程，使广播公司能实时创建和分发多语言内容。该方案结合NDI原生媒体连接与NVIDIA NIM微服务，从同一媒体流生成多语言体验，支持实时翻译、唇形同步配音和区域语言适配，无需重复制作。内部测试10种语言时，仅需八分之一视频传输量即可达到相同效果，有望降低带宽和分发成本。方案目前正在测试中。

OpenAI于2026年推出了新对话模型GPT-Live-1和GPT-Live-1 mini，旨在提升自然对话体验。这些全双工模型支持实时翻译和长时间对话，解决了用户打断和智能不足的问题。新语音模式将取代旧版本，增强交互性，并内置安全机制以保护青少年用户。

OpenAI发布了GPT-Live，语音交互实现质的飞跃。新模式提供更自然的对话、智能回答和可视化信息，支持实时翻译和联网搜索。GPT-Live通过全双工架构和深度任务委托，提升了对话流畅度和响应速度，改变了与AI的交流方式。

OpenAI推出了新的GPT-Live-1语音模型，能够实时说话和倾听，减少打断。该模型支持实时翻译和AI生成的视觉信息，具备内置安全措施，确保适龄回答。GPT-Live-1将在iOS、Android和网页上推出，Go、Plus和Pro用户将使用此模型，免费用户则使用更小的GPT-Live-1迷你版。

Solos推出了新款AirGo A6智能眼镜，去掉了摄像头，设计更轻薄，重量约19克。它支持语音助手、实时翻译和日历提醒等功能，兼容处方镜片，并提供多种款式和透明选项。此外，Solos还发布了隐私配件以保护用户隐私。

出海社交产品需要实时翻译以促进不同语言用户的互动，常见场景包括1v1跨语种匹配、直播间观众翻译和IM消息翻译。接入方案有三种：纯第三方API集成、RTC厂商生态集成和混合方案。选择时需考虑语种覆盖、延迟、成本和隐私合规。ZEGO的实时传译方案提供低延迟和低集成成本，适合大多数出海社交团队。

在规划出海社交App功能时，应区分必选项与加分项。美颜在拉美市场是必需的，而在中东和东南亚则为加分项。变声在语聊房中是强加分项，但在1v1通话中不必要。实时翻译是跨语言社交的基础设施，缺失会影响用户匹配和互动。其他功能如背景分割、空间音效等需按场景评估其必要性。

Conduent公司推出新一代客户体验平台，集成AI功能，提供实时翻译、AI培训模拟和语音增强技术，帮助企业克服语言障碍、加快客服培训、改善客户互动，支持90多种语言，提升服务质量和客户满意度。

DeepL宣布收购Mixhalo团队及技术，以增强其实时AI语音翻译解决方案DeepL Voice。这将提升翻译在大型活动和复杂场景中的速度和清晰度，超越市场平均水平。Mixhalo提供低延迟高保真音频，支持多种大型活动。DeepL在美国市场快速增长，已与多家知名企业合作。

谷歌推出了Gemini 3.5实时翻译模型，支持70多种语言的语音翻译。该模型采用连续流处理，翻译内容滞后几秒，适用于会议和通话场景。开发者可通过Live API配置功能，支持音频输入和输出，未来将应用于Google Meet和Translate应用中。

Palabra.ai是一家总部位于伦敦的AI语音翻译公司，年收入在六个月内从6万美元增长到100万美元，显示出实时多语言通信的需求激增。该平台支持超过1000种语言的实时翻译，保留说话者的身份和情感，显著降低多语种会议的成本，并确保数据安全与合规。

在最新一期播客中，讨论了OpenAI的新语音智能API功能，包括实时翻译和转录。Thinking Machines展示了低延迟对话系统，Anthropic推出了法律领域的Claude产品，并加强了与AWS的合作。此外，还提到OpenAI的自伤风险警报功能等安全和政策更新。

AI语音模型正在迅速发展，改变各行业的通信与自动化。OpenAI的GPT Realtime-2支持70多种语言，但面临幻觉和安全限制。谷歌的TTS模型以自然生动的语音输出著称，适合个性化应用，但响应较慢。InWorld AI的TTS-2专注于游戏互动，速度快但情感表达不足。XAI的Groon API兼顾速度与多功能性，适合个性化需求。尽管存在幻觉和可控性问题，AI语音技术在实时翻译和客户支持等领域展现出巨大潜力。

OpenAI 发布了三个新音频模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper，分别用于语音推理、实时翻译和转录。GPT-Realtime-2 具备 GPT-5 级推理能力，支持复杂对话和任务；GPT-Realtime-Translate 可将 70 多种语言实时翻译成 13 种语言；GPT-Realtime-Whisper 提供低延迟的语音转文本服务。所有模型已通过 Realtime API 正式上线。