Novità Registrati gratis, 10 chiamate le offriamo noi. Fino a $1, senza carta.

GPT Realtime

Rilasciato 2025-08-28

beta su invito

GPT Realtime è il primo modello realtime di OpenAI in disponibilità generale: un unico modello speech-to-speech che ascolta e risponde direttamente con audio naturale ed espressivo, invece di concatenare modelli separati di trascrizione e sintesi.

Input
audio testo $4/M
Output
audio testo $16/M
Input audio
$32/M
Output audio
$64/M
Lettura cache
$0.4/M
Cutoff di conoscenza
2023-10

Benchmark

GPT Realtime: 8 pubblicati, ma nessun benchmark condiviso con abbastanza modelli per confrontare.

GPT Realtime altri modelli misurati media dei modelli confrontati nessun altro modello ha fatto meglio
AMI near+far field (WER)
35.9%
Big Bench Audio
82.8%
BFCL v3 (single-turn, python only)
80.4%

Dati pubblicati dai fornitori: Amazon OpenAI

Il prezzo nel contesto

Posizione del prezzo tra 6 modelli comparabili

Input$4/M
$0.06 · nova-2-sonic GPT Realtime · $4
Output$16/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24
Lettura da cache$0.4/M
$0.06 · GPT Realtime 2.1 Mini GPT Realtime · $0.4

La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.

Specifiche e limiti

Token

Finestra di contesto (specifica del fornitore) 32.000
Output massimo (specifica del vendor) 4.096
Cutoff di conoscenza 2023-10

Caching prompt

Modalità automatico
Prefisso min. 1.024
Durata 5-10 min, fino a 1 ora

Tempo reale

Sessione Speech-to-speech nativo su WebSocket · function calling · 32K di contesto

Modello

Modalità audio + testo → audio + testo
  • Il primo modello realtime di OpenAI in general availability (snapshot gpt-realtime-2025-08-28): speech-to-speech nativo con function calling
  • 32k di contesto

fonte: documentazione ufficiale OpenAI ↗

Usa GPT Realtime in 30 secondi

Compatibile con OpenAI Realtime: collegati via WebSocket, audio in ingresso e in uscita. 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())

Informazioni su GPT Realtime

  • Porta una finestra di contesto da 32K token con 4.096 token di output massimo, supporta il function calling per i flussi di agent vocali e accetta audio o testo in input con audio e testo in output; audio e testo sono fatturati a tariffe per token separate, con input in cache scontato.
  • Le sessioni possono essere gestite tramite WebRTC per client browser e mobile, tramite WebSocket quando un server detiene già lo stream audio, oppure tramite SIP per gli agent telefonici, con il rilevamento di attività vocale lato server che segmenta il parlato e tronca l'audio non riprodotto quando un chiamante interrompe.
  • La pagina del modello elenca anche l'input di immagini accanto a testo e audio, e le voci si scelgono per sessione dall'insieme pubblicato da OpenAI, con l'avvertenza che una voce non può essere cambiata una volta che la sessione ha emesso audio.
  • Non ha un controllo di reasoning effort (che arriva con la generazione 2.1) e il suo cutoff di conoscenza è ottobre 2023.
  • OpenAI ne ha da allora annunciato la deprecazione, con lo spegnimento previsto per gennaio 2027 e GPT Realtime 2.1 indicato come obiettivo di migrazione, quindi il nuovo lavoro vocale va su 2.1 mentre le integrazioni esistenti hanno ancora margine.
  • Resta disponibile come lo snapshot GA originale della famiglia realtime.
  • Synthorai serve GPT Realtime tramite l'endpoint WebSocket /v1/realtime compatibile OpenAI, così i client dell'SDK Realtime ufficiale si connettono senza modifiche.

FAQ

L'API di GPT Realtime si può provare gratis?

GPT Realtime è attualmente in beta su invito: l'accesso avviene su candidatura, non con registrazione aperta. Invia la richiesta dalla console Synthorai; una volta approvata si applicano le normali tariffe con pagamento a consumo, senza abbonamento.

In cosa eccelle GPT Realtime?

Speech-to-speech in un solo modello, senza catena di trascrizione; audio naturale espressivo con chiamate di funzione; snapshot GA originale della famiglia realtime. Il quadro completo è nella sezione «Informazioni», tratto dalle note di rilascio ufficiali del vendor.

Quanto costa GPT Realtime?

Su Synthorai, GPT Realtime costa $4 per milione di token in input e $16 per milione di token in output: il prezzo di listino del provider, senza ricarico della piattaforma. I token di input in cache si fatturano a $0.4/M.

Come si chiama l'API di GPT Realtime?

GPT Realtime è un modello speech-to-speech: collegati via WebSocket a wss://synthorai.io/v1/realtime?model=gpt-realtime con l'SDK OpenAI Realtime (o un WebSocket grezzo) e trasmetti audio in ingresso e in uscita. Non è un caricamento di file POST /v1/audio/transcriptions. Autenticati con la tua chiave sk-syn e invia solo l'header Authorization (il protocollo beta è dismesso).

Come ottengo l'accesso a GPT Realtime?

GPT Realtime è in beta su invito: richiedi l'accesso dalla console Synthorai. Una volta approvato funziona come ogni altro modello: punta il tuo SDK OpenAI a base_url="https://synthorai.io/v1" e imposta model="gpt-realtime".

Modelli correlati

Confronta

Ogni valore di questa pagina è trascritto dalla documentazione del fornitore, collegata sopra, e riporta la data in cui è stato verificato. I prezzi sono confrontati sull'intero catalogo; i valori di specifica che i fornitori definiscono in modo diverso sono mostrati indicando la differenza anziché messi a grafico. Nulla qui è misurato da noi e nulla è valutato con un punteggio.

Ottieni la tua chiave API Confronta il tuo costo →