实时（real-time）技术指系统在极短时间内（通常毫秒级）完成数据采集、处理与响应，在AI领域，实时语音、视频和翻译模型正成为各大厂商竞争的核心方向。近期，OpenAI、阿里巴巴和开源社区密集发布了多款低延迟多模态模型，将实时交互能力推向新高度。
实时语音与视频模型近期进展
2026年7月，阿里发布Qwen-Audio-3.0-Realtime，升级了四项实时语音功能，声称在理解准确性和响应速度上显著提升（量子位）；同月，阿里还升级了Fun-ASR-Realtime，单模型支持30种语言和16种方言（IT之家）。
OpenAI在7月推出Realtime 2.1系列，包括GPT-Realtime-2.1和GPT-Realtime-2.1-mini，p95延迟降低至少25%，并支持推理与工具调用（IT之家；@OpenAIDevs）。
开源方面，OpenMOSS发布了MOSS-VL-Realtime，这是一个实时视频流多模态模型，可在视频帧流中实现低延迟交互（@berryxia）。
当前焦点与观察点
当前实时AI模型的焦点集中在三方面：一是延迟优化，如OpenAI将p95延迟降低25%，阿里通过模型架构改进实现更快的语音响应；二是多模态融合，从纯语音扩展到视频流和推理能力，如MOSS-VL-Realtime；三是语言覆盖与翻译精度，Gradium发布的实时翻译模型（stt-translate和s2s-translate）声称在准确率和延迟上超越GPT实时翻译（marktechpost）。
争议点在于：开源模型与商业API的差距在缩小，但实时场景下的稳定性和成本仍是挑战。此外，实时交互的隐私与安全规范尚未成熟，如何平衡用户体验与数据保护是未来关键。