Neu Kostenlos registrieren und 10 Aufrufe gratis nutzen. Bis zu 1 $, ohne Kreditkarte.

GPT Realtime

Veröffentlicht 2025-08-28

geschlossene Beta

GPT Realtime ist OpenAIs erstes allgemein verfügbares Realtime-Modell: ein einzelnes Speech-to-Speech-Modell, das zuhört und direkt mit natürlichem, ausdrucksstarkem Audio antwortet, statt getrennte Transkriptions- und Synthesemodelle zu verketten.

Eingabe
Audio Text $4/M
Ausgabe
Audio Text $16/M
Audio-Eingabe
$32/M
Audio-Ausgabe
$64/M
Cache-Lesen
$0.4/M
Knowledge-Cutoff
2023-10

Benchmarks

GPT Realtime: 8 veröffentlicht, aber kein Benchmark, den genug andere Modelle teilen.

GPT Realtime weitere gemessene Modelle Durchschnitt der Vergleichsmodelle ★ kein anderes Modell war besser
AMI near+far field (WER)
35.9%
Big Bench Audio
82.8%
BFCL v3 (single-turn, python only)
80.4%

Anbieterangaben: Amazon OpenAI

Preis im Vergleich

Der Preis im Feld von 6 vergleichbaren Modellen

Eingabe$4/M
$0.06 · nova-2-sonic GPT Realtime · $4
Ausgabe$16/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24
Cache-Lesen$0.4/M
$0.06 · GPT Realtime 2.1 Mini GPT Realtime · $0.4

Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.

Spezifikationen & Limits

Tokens

Kontextfenster (laut Anbieter) 32.000
Max. Ausgabe (laut Anbieter) 4.096
Knowledge-Cutoff 2023-10

Prompt-Caching

Modus automatisch
Min. Präfix 1.024
Lebensdauer 5-10 Min., bis zu 1 Std.

Echtzeit

Sitzung Natives Speech-to-Speech über WebSocket · Function Calling · 32K Kontext

Modell

Modalitäten Audio + Text → Audio + Text
  • OpenAIs erstes allgemein verfügbares Realtime-Modell (Snapshot gpt-realtime-2025-08-28): natives Speech-to-Speech mit Function Calling
  • 32k Kontext

laut Offizielle OpenAI-Dokumentation ↗

GPT Realtime in 30 Sekunden nutzen

OpenAI-Realtime-kompatibel: per WebSocket verbinden, Audio rein, Audio raus. WS /v1/realtime

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime"
# Send ONLY the Authorization header - the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) configure the speech-to-speech session
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "output_modalities": ["audio"],
                "audio": {"output": {"voice": "alloy"}},
            },
        }))
        # 2) send input audio (base64 PCM16), then request a spoken reply
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        await ws.send(json.dumps({"type": "response.create"}))
        # 3) stream the model's audio (and text) back
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "response.audio.delta":
                play(base64.b64decode(ev["delta"]))   # audio out
            elif ev["type"] == "response.done":
                break

asyncio.run(main())

Über GPT Realtime

  • Es trägt ein Kontextfenster von 32K Token mit maximal 4.096 Output-Token, unterstützt Function Calling für Sprachagenten-Workflows und nimmt Audio- oder Texteingabe entgegen bei Audio- und Textausgabe; Audio und Text werden zu getrennten Sätzen pro Token abgerechnet, mit vergünstigten gecachten Eingaben.
  • Sitzungen lassen sich über WebRTC für Browser- und Mobile-Clients betreiben, über WebSocket, wenn ein Server den Audiostream bereits hält, oder über SIP für Telefonie-Agenten, wobei serverseitige Voice Activity Detection Sprache in Blöcke teilt und nicht abgespieltes Audio abschneidet, wenn ein Anrufer unterbricht.
  • Die Modellseite führt neben Text und Audio auch Bildeingabe auf, und Stimmen werden pro Sitzung aus OpenAIs veröffentlichtem Satz gewählt, mit dem Vorbehalt, dass eine Stimme nicht mehr geändert werden kann, sobald eine Sitzung Audio ausgegeben hat.
  • Es hat keine Steuerung des Reasoning-Aufwands (die kommt mit der 2.1-Generation), und sein Knowledge Cutoff liegt im Oktober 2023.
  • OpenAI hat inzwischen seine Abkündigung bekanntgegeben, mit einer Abschaltung im Januar 2027 und GPT Realtime 2.1 als benanntem Migrationsziel, sodass neue Sprachprojekte auf 2.1 gehören, während bestehende Integrationen noch Auslauf haben.
  • Es bleibt als ursprünglicher GA-Snapshot der Realtime-Familie verfügbar.
  • Synthorai stellt GPT Realtime über den OpenAI-kompatiblen /v1/realtime-WebSocket-Endpoint bereit, sodass offizielle Realtime-SDK-Clients unverändert verbinden.

FAQ

Lässt sich die GPT Realtime API kostenlos testen?

GPT Realtime ist derzeit in einer geschlossenen Beta: Den Zugang erhalten Sie auf Antrag, eine offene Registrierung gibt es nicht. Stellen Sie den Antrag in der Synthorai-Konsole. Nach der Freigabe gilt die übliche nutzungsbasierte Abrechnung ohne Abo.

Worin ist GPT Realtime am besten?

Speech-to-Speech in einem Modell, ohne Transkriptionskette; ausdrucksstarkes natürliches Audio mit Funktionsaufrufen; ursprünglicher GA-Snapshot der Realtime-Familie. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.

Was kostet GPT Realtime?

GPT Realtime kostet auf Synthorai $4 pro Million Eingabe-Tokens und $16 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.4/M abgerechnet.

Wie rufe ich die GPT Realtime-API auf?

GPT Realtime ist ein Speech-to-Speech-Modell: Verbinden Sie sich mit dem OpenAI Realtime SDK (oder direkt per WebSocket) mit wss://synthorai.io/v1/realtime?model=gpt-realtime und streamen Sie Audio in beide Richtungen. Ein Datei-Upload per POST /v1/audio/transcriptions ist das nicht. Authentifizieren Sie sich mit Ihrem sk-syn-Schlüssel und senden Sie nur den Authorization-Header (das Beta-Protokoll ist abgeschaltet).

Wie erhalte ich Zugang zu GPT Realtime?

GPT Realtime ist in einer geschlossenen Beta. Beantragen Sie den Zugang in der Synthorai-Konsole. Nach der Freigabe nutzen Sie es wie jedes andere Modell: im OpenAI SDK base_url="https://synthorai.io/v1" und model="gpt-realtime" setzen.

Verwandte Modelle

Vergleichen

Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.

API-Schlüssel erstellen Ihre Kosten vergleichen →