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.
Il prezzo nel contesto
Posizione del prezzo tra 6 modelli comparabili
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
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())import WebSocket from "ws";
const ws = new WebSocket("wss://synthorai.io/v1/realtime?model=gpt-realtime", {
// Send ONLY the Authorization header — the beta protocol is retired.
headers: { Authorization: "Bearer sk-syn-..." },
});
ws.on("open", () => {
// configure the speech-to-speech session
ws.send(JSON.stringify({ type: "session.update", session: {
type: "realtime", output_modalities: ["audio"], audio: { output: { voice: "alloy" } },
} }));
// send input audio (base64 PCM16), then request a spoken reply
ws.send(JSON.stringify({ type: "input_audio_buffer.append", audio: pcm16Base64 }));
ws.send(JSON.stringify({ type: "input_audio_buffer.commit" }));
ws.send(JSON.stringify({ type: "response.create" }));
});
ws.on("message", (raw) => {
const ev = JSON.parse(raw.toString());
if (ev.type === "response.audio.delta") playAudio(Buffer.from(ev.delta, "base64")); // audio out
else if (ev.type === "response.done") ws.close();
});# Realtime is a WebSocket protocol - use a WS client such as websocat.
# Each line below is one OpenAI Realtime event (JSON) sent to the session.
websocat -H 'Authorization: Bearer sk-syn-...' \
'wss://synthorai.io/v1/realtime?model=gpt-realtime' <<'EOF'
{"type":"session.update","session":{"type":"realtime","output_modalities":["audio"],"audio":{"output":{"voice":"alloy"}}}}
{"type":"input_audio_buffer.append","audio":"<base64-pcm16>"}
{"type":"input_audio_buffer.commit"}
{"type":"response.create"}
EOF
# Responses stream back as response.audio.delta (base64 audio out) … response.donepackage main
import (
"net/http"
"github.com/gorilla/websocket"
)
func main() {
h := http.Header{}
h.Set("Authorization", "Bearer sk-syn-...")
// Send ONLY the Authorization header — the beta protocol is retired.
c, _, err := websocket.DefaultDialer.Dial("wss://synthorai.io/v1/realtime?model=gpt-realtime", h)
if err != nil {
panic(err)
}
defer c.Close()
// configure the speech-to-speech session, send audio, request a spoken reply
c.WriteJSON(map[string]any{"type": "session.update", "session": map[string]any{
"type": "realtime", "output_modalities": []string{"audio"},
"audio": map[string]any{"output": map[string]any{"voice": "alloy"}}}})
c.WriteJSON(map[string]any{"type": "input_audio_buffer.append", "audio": pcm16B64})
c.WriteJSON(map[string]any{"type": "input_audio_buffer.commit"})
c.WriteJSON(map[string]any{"type": "response.create"})
for {
var ev struct {
Type string `json:"type"`
Delta string `json:"delta"`
}
if err := c.ReadJSON(&ev); err != nil {
return
}
if ev.Type == "response.audio.delta" {
playAudio(ev.Delta) // base64 audio out
} else if ev.Type == "response.done" {
return
}
}
}import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.WebSocket;
import java.util.concurrent.CompletionStage;
// JDK built-in WebSocket — no extra dependency needed.
WebSocket ws = HttpClient.newHttpClient().newWebSocketBuilder()
.header("Authorization", "Bearer sk-syn-...")
// Send ONLY the Authorization header — the beta protocol is retired.
.buildAsync(URI.create("wss://synthorai.io/v1/realtime?model=gpt-realtime"), new WebSocket.Listener() {
public CompletionStage<?> onText(WebSocket w, CharSequence data, boolean last) {
// handle response.audio.delta (base64 audio out) / response.done here
w.request(1);
return null;
}
}).join();
// configure the session, send input audio, then request a spoken reply
ws.sendText("{\"type\":\"session.update\",\"session\":{\"type\":\"realtime\",\"output_modalities\":[\"audio\"],\"audio\":{\"output\":{\"voice\":\"alloy\"}}}}", true);
ws.sendText("{\"type\":\"input_audio_buffer.append\",\"audio\":\"<base64-pcm16>\"}", true);
ws.sendText("{\"type\":\"input_audio_buffer.commit\"}", true);
ws.sendText("{\"type\":\"response.create\"}", true);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.