🎁 新規 無料登録、10回の呼び出しを進呈。最大 $1、カード不要。

GPT Realtime 2.1 2026-07-06 リリース

OpenAI 招待制ベータ realtime audio
入力$4/M
出力$24/M
音声入力$32/M
音声出力$64/M
キャッシュ読み取り$0.4/M
知識カットオフ2024-09

ベンダー定価。プラットフォーム手数料なし、従量課金。 これらは公式 list 価格です。ログイン中のお客様は /console/pricing でワークスペース割引を含む実効価格を確認できます。 キャッシュヒット率 70% 時の実効入力単価:$1.48/M. プロンプトが最小長を超えると自動プレフィックスキャッシュが働き、コード変更は不要です。キャッシュ読み取りは割引され(現行モデルで最大 90%)、書き込み手数料はありません。

30 秒で GPT Realtime 2.1 を使う

OpenAI Realtime 互換:WebSocket で接続し、音声入力・音声出力。WS /v1/realtime

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
HEADERS = {"Authorization": "Bearer sk-syn-...", "OpenAI-Beta": "realtime=v1"}

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": {"modalities": ["audio", "text"], "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())

GPT Realtime 2.1 について

本番音声エージェント向けフラッグシップリアルタイムティア
割り込み・ノイズ・英数字認識を改善
設定可能な推論エフォートとツール使用

GPT Realtime 2.1 は OpenAI のリアルタイム speech-to-speech ファミリーのフラッグシップで、公式発表では英数字認識、無音・ノイズ処理、割り込み挙動を改善した更新版リアルタイム推論モデルと紹介されています。

  • ファミリーのコンテキストウィンドウを 128K トークン、最大出力を 32K トークンに拡大し、設定可能な推論エフォート、指示追従、複雑な音声エージェントワークフロー向けのツール使用に対応します。
  • 音声とテキストのトークンはそれぞれの単価で課金され、キャッシュ済み入力には割引が適用されます。
  • Synthorai では OpenAI 互換の /v1/realtime WebSocket エンドポイントで提供され、公式 Realtime SDK で構築したアプリケーションは変更なしで動作します。

スペックと制限

最大出力(ベンダー仕様)32,000
モダリティaudio + text → audio + text
機能realtime · speech-to-speech
特記事項Updated realtime reasoning model with improved alphanumeric recognition, silence and noise handling, and interruption behavior; configurable reasoning effort and tool use for voice-agent workflows; 128k context.
プロンプトキャッシュ自動 · 最小プレフィックス 1,024 トークン · TTL 5–10m, up to 1h

出典:OpenAI 公式ドキュメント ↗

よくある質問

GPT Realtime 2.1 API は無料で試せますか?

GPT Realtime 2.1 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 は何が得意ですか?

本番音声エージェント向けフラッグシップリアルタイムティア、さらに割り込み・ノイズ・英数字認識を改善と設定可能な推論エフォートとツール使用。全体像はベンダー公式のリリースノートに基づく About セクションをご覧ください。

GPT Realtime 2.1 の料金はいくらですか?

Synthorai 上の GPT Realtime 2.1 は入力 100 万トークンあたり $4、出力 100 万トークンあたり $24 です。ベンダー定価のままで、プラットフォーム手数料はありません。キャッシュ済み入力トークンは $0.4/M で課金されます。

GPT Realtime 2.1 API はどう呼び出しますか?

GPT Realtime 2.1 は音声対話(speech-to-speech)モデルです。WebSocket で wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1 に接続し、OpenAI Realtime SDK(または生の WebSocket)で音声入力・音声出力を行います。POST /v1/audio/transcriptions のファイルアップロードではありません。sk-syn キーで認証し、OpenAI-Beta ヘッダーをミラーしてください。

GPT Realtime 2.1 を利用するには?

GPT Realtime 2.1 は招待制ベータです。Synthorai コンソールからアクセスを申請してください。承認後は他のモデルと同じ使い方です。OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="gpt-realtime-2.1" を設定するだけです。

関連モデル

無料の API キーを取得 コストを比較する →