新規 無料登録で、呼び出し 10 回分(最大 $1)をお試しいただけます。カード登録は不要です。

GPT Realtime 2.1 vs nova-2-sonic

GPT Realtime 2.1 は招待制で提供しています。以下の数値は現在適用されている料金ですが、呼び出すにはワークスペースへの利用許可が必要です。この比較をもとに開発を始める前に、当社まで利用をお申し込みください。

nova-2-sonic は招待制で提供しています。以下の数値は現在適用されている料金ですが、呼び出すにはワークスペースへの利用許可が必要です。この比較をもとに開発を始める前に、当社まで利用をお申し込みください。

vs

どんなときに、どちらを選ぶか

どちらも100万トークン単位で課金されるリアルタイムのオーディオおよびテキストモデルであるため、料金を直接比較できます。nova-2-sonicのオーディオ入力$3およびオーディオ出力$12に対してgpt-realtime-2.1は$32および$64であり、テキストでは$4/$24に対して$0.06/$0.24で、コンテキストと最大出力は128000と32000ではなく1000000と64000です。8分の接続制限とリージョン内のみの推論が適している場合、コスト重視の長時間の音声セッションにはnova-2-sonicを選択し、$0.4のキャッシュ入力読み取りが必要で、そのようなセッションやリージョンがないことを求める場合は、より新しいgpt-realtime-2.1(2026-07-06リリース)を選択してください。

ベンチマーク

GPT Realtime 2.1:ベンダーがベンチマークスコアを公表していません。

nova-2-sonic:公表値は 8 件ありますが、比較できるだけの数のモデルが測定している項目がありません。

GPT Realtime 2.1 nova-2-sonic 測定された他モデル 他モデルの平均 ★ これを上回るモデルなし
AMI near+far field (WER)
N/A
29.7%
Big Bench Audio
N/A
87%
BFCL v3 (single-turn, python only)
N/A
74.5%

ベンダー公表値: Amazon OpenAI

料金

GPT Realtime 2.1 nova-2-sonic Δ
音声入力 / 100 万トークン $32 $3 11×
音声出力 / 100 万トークン $64 $12 5.3×
音声キャッシュ読み取り / 100 万トークン $0.4 - -
テキスト入力 / 100 万トークン $4 $0.06 67×
テキスト出力 / 100 万トークン $24 $0.24 100×
キャッシュ書き込み 追加料金なし 追加料金なし -

ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。

両モデルの位置:音声トークン 100 万あたりの料金(この課金単位のリアルタイム音声対話モデル全 6 件、対数スケール)

対応機能

GPT Realtime 2.1 nova-2-sonic
プロンプトキャッシュ 自動(暗黙的) 非対応
キャッシュ保持時間 5-10m, up to 1h 該当なし
キャッシュ対象の最小プレフィックス 1024 トークン 該当なし

仕様

GPT Realtime 2.1 nova-2-sonic
入力モダリティ テキスト 音声 テキスト 音声
出力モダリティ テキスト 音声 テキスト 音声
リリース 2026-07-06 2025-12-02
知識カットオフ 2024-09 -
ボイス -

Feminine- and masculine-sounding voices per locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN and hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR)

tiffany and matthew are polyglot voices that speak every supported language.

セッション機能
  • Speech-to-speech over WebSocket
  • configurable reasoning effort
  • tool use
  • interruption handling
  • 128K context
  • Intelligent turn-taking with configurable endpointing sensitivity
  • graceful interruption handling without losing context
  • function calling with asynchronous tool handling (the assistant keeps speaking while tools run)
  • RAG grounding
  • mixed audio and text input in one conversation
  • 8-minute connection limit
コンテキストウィンドウ 128K 1M

仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。 出典の一覧: GPT Realtime 2.1 · nova-2-sonic

1 行の変更で切り替え

以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
# URL = "wss://synthorai.io/v1/realtime?model=nova-2-sonic"  # この行のコメントを外し、上の行をコメントアウト
# 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())

API キーを取得 →

よくある質問

GPT Realtime 2.1 と nova-2-sonic ではどちらが安いですか?

音声入力 / 100 万トークンは nova-2-sonic のほうが安くなります($3 対 $32、11 倍の差)。ほかの行では逆になることもあります。料金の全体は上の表に掲載しており、実際のコストは利用の内訳によって変わります。

GPT Realtime 2.1 と nova-2-sonic の A/B テストは、実装を 2 つ用意せずにできますか?

はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。

GPT Realtime 2.1 と nova-2-sonic はプロンプトキャッシュに対応していますか?

当社の価格データでキャッシュ読み取りの料金が設定されているのは、2 つのうち 1 つだけです。料金の記載がないモデルでは、プロバイダーがキャッシュ読み取りに個別の価格を設定していません。

関連する比較

当社の実測レポートより