GPT Realtime 2.1 Mini は OpenAI のリアルタイムファミリーのコスト効率の高いメンバーで、より高速で低コストなリアルタイム音声対話のための蒸留された推論モデルとして、推論とツール使用を mini ティアにもたらします。
- 入力
- 音声 テキスト $0.6/M
- 出力
- 音声 テキスト $2.4/M
- 音声入力
- $10/M
- 音声出力
- $20/M
- キャッシュ読み取り
- $0.06/M
- 知識カットオフ
- 2024-09
価格の位置づけ
同種の 6 モデルの中での価格の位置
このバーは、Synthorai の同種モデルの中で、このモデルの価格がどのあたりにあるかを示しています。両端には、最も安いモデルと最も高いモデルの名前を表示しています。表示しているのは基本料金で、バッチ、リージョン、キャッシュ書き込みに関する割引は料金ページに記載しています。
仕様と制限
トークン
| コンテキストウィンドウ(ベンダー仕様) | 128,000 |
|---|---|
| 最大出力(ベンダー仕様) | 32,000 |
| 知識カットオフ | 2024-09 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 |
|---|---|
| 最小プレフィックス | 1,024 |
| 保持時間 | 5〜10 分、最大 1 時間 |
リアルタイム
| セッション |
|
|---|
モデル
| モダリティ | 音声 + テキスト → 音声 + テキスト |
|---|
- 推論とツール利用を mini ティアにもたらす、高速で低コストな蒸留版リアルタイム推論モデル。
- プロンプトキャッシュに対応。
- 128k コンテキスト。
30 秒で GPT Realtime 2.1 Mini を使い始める
OpenAI Realtime 互換。WebSocket で接続し、音声を送りながら音声を受け取ります。WS /v1/realtime
import asyncio, base64, json, websockets
URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1-mini"
# 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-2.1-mini", {
// 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-2.1-mini' <<'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-2.1-mini", 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-2.1-mini"), 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);GPT Realtime 2.1 Mini について
- 2.1 世代の 128K トークンのコンテキストウィンドウと 32K の最大出力トークンを維持し、関数呼び出しとプロンプトキャッシュに対応し、音声入力の価格はフラッグシップの単価の 3 分の 1 未満です。
- 両者の選び方に関する OpenAI のガイダンスは率直です。
- 最も強力なリアルタイム推論、ツール使用、指示追従が欲しいときはフル版の 2.1 を、より高速でコスト効率の高い選択肢が欲しいときはこちらを選びます。
- WebRTC、WebSocket、SIP で音声とテキストの入力を受け付けるため、同じトランスポートの選択肢と音声エージェントのパターンが適用されます。
- 無音ベースまたは意味的なターン検出、割り込み時のサーバー側の切り詰め、セッション単位またはレスポンス単位のツール宣言です。
- OpenAI はこのリリースで、キャッシュの改善によりリアルタイム音声モデル全体で p95 レイテンシが少なくとも 25% 削減されたと報告しています。
- また、2027 年 1 月に停止が予定されている以前の mini リアルタイムモデルの、指名された移行先でもあります。
- そのため、常時稼働の音声アシスタントや大量の顧客対応の音声エージェントに自然な選択肢となります。
- Synthorai はリアルタイムラインアップの他のモデルと同じ OpenAI 互換の /v1/realtime WebSocket エンドポイント経由で公開します。
よくある質問
GPT Realtime 2.1 Mini API は無料で試せますか?
GPT Realtime 2.1 Mini は現在招待制ベータです。オープン登録ではなく申請制で、Synthorai コンソールから申請できます。承認後は標準の従量課金が適用され、サブスクリプションは不要です。
GPT Realtime 2.1 Mini は何が得意ですか?
リアルタイム音声向け蒸留推論モデル、音声単価はフラッグシップの 3 分の 1 未満、128K コンテキスト・ツール使用・キャッシュを維持。詳しくは、ベンダー公式のリリースノートをもとにまとめた、このページのモデル紹介セクションをご覧ください。
GPT Realtime 2.1 Mini の料金はいくらですか?
Synthorai での GPT Realtime 2.1 Mini の料金は、入力 100 万トークンあたり $0.6、出力 100 万トークンあたり $2.4 です。プロバイダーの定価のままで、プラットフォーム手数料はかかりません。キャッシュ済み入力トークンは $0.06/M で課金されます。
GPT Realtime 2.1 Mini API はどう呼び出しますか?
GPT Realtime 2.1 Mini は音声対話(speech-to-speech)モデルです。OpenAI Realtime SDK(または素の WebSocket)で wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1-mini に接続し、音声を送りながら音声を受け取ります。POST /v1/audio/transcriptions のようなファイルアップロード方式ではありません。認証には sk-syn キーを使い、送信するのは Authorization ヘッダーだけにしてください(beta プロトコルは廃止済みです)。
GPT Realtime 2.1 Mini を利用するには?
GPT Realtime 2.1 Mini は招待制ベータです。Synthorai コンソールから利用を申請してください。承認後の使い方は他のモデルと同じで、OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="gpt-realtime-2.1-mini" を指定するだけです。
関連モデル
比較
このページの値は、すべてベンダー自身のドキュメント(上部にリンクがあります)から転記したもので、確認した日付を添えています。価格はカタログ全体で比較しています。一方、ベンダーによって定義が異なる仕様値は、違いを明記するにとどめ、グラフでの比較はしていません。当社が測定した数値はなく、スコアも付けていません。