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

2025-08-28 リリース

招待制ベータ

GPT Realtime は OpenAI 初の一般提供リアルタイムモデルで、文字起こしと音声合成のモデルを連結するのではなく、単一の speech-to-speech モデルが直接聞き取り、自然で表現力豊かな音声で応答します。

入力
音声 テキスト $4/M
出力
音声 テキスト $16/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
2023-10

ベンチマーク

GPT Realtime:8 件公開されているが、比較に足る数のモデルが測っている項目がない。

GPT Realtime 測定された他モデル 測定対象の平均 他モデルに上回られていない
AMI near+far field (WER)
35.9%
Big Bench Audio
82.8%
BFCL v3 (single-turn, python only)
80.4%

ベンダー公表: Amazon OpenAI

価格の位置づけ

同種 6 モデル中の料金の位置

入力$4/M
$0.06 · nova-2-sonic GPT Realtime · $4
出力$16/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24
キャッシュ読み取り$0.4/M
$0.06 · GPT Realtime 2.1 Mini GPT Realtime · $0.4

このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。

スペックと制限

トークン

コンテキストウィンドウ(ベンダー仕様) 32,000
最大出力(ベンダー仕様) 4,096
知識カットオフ 2023-10

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
  • WebSocket 上のネイティブな音声から音声への変換
  • 関数呼び出し
  • 32K コンテキスト

モデル

モダリティ 音声 + テキスト → 音声 + テキスト
  • OpenAI 初の一般提供リアルタイムモデル(スナップショット gpt-realtime-2025-08-28)。
  • 関数呼び出しを備えたネイティブな音声から音声への変換。
  • 32k コンテキスト。

出典:OpenAI 公式ドキュメント ↗

30 秒で GPT Realtime 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"
# 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())

GPT Realtime について

  • 32K トークンのコンテキストウィンドウと 4,096 の最大出力トークンを持ち、音声エージェントのワークフロー向けに関数呼び出しに対応し、音声またはテキストを入力として受け付け音声とテキストを出力します。
  • 音声とテキストはそれぞれ別のトークン単価で課金され、キャッシュ済み入力には割引が適用されます。
  • セッションはブラウザやモバイルのクライアント向けの WebRTC、サーバーが既に音声ストリームを保持している場合の WebSocket、電話のエージェント向けの SIP で駆動でき、サーバー側の音声区間検出が発話をチャンクに分け、発信者が割り込んだときには未再生の音声を切り詰めます。
  • モデルページはテキストと音声に加えて画像入力も挙げており、音声はセッションごとに OpenAI が公開する一覧から選びますが、セッションが音声を出力した後は変更できないという注意点があります。
  • 推論エフォートの制御はなく(それは 2.1 世代で登場します)、知識カットオフは 2023 年 10 月です。
  • OpenAI はその後、非推奨化を発表しており、停止は 2027 年 1 月に予定され、移行先として GPT Realtime 2.1 が指名されています。
  • したがって新しい音声の作業は 2.1 に置くべきですが、既存の統合にはまだ猶予があります。
  • リアルタイムファミリー当初の GA スナップショットとして引き続き利用できます。
  • Synthorai は GPT Realtime を OpenAI 互換の /v1/realtime WebSocket エンドポイントで提供するため、公式の Realtime SDK クライアントは変更なしで接続できます。

よくある質問

GPT Realtime API は無料で試せますか?

GPT Realtime 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 は何が得意ですか?

単一モデルの speech-to-speech、文字起こし連結不要、表現力豊かな自然音声と関数呼び出し、リアルタイムファミリー最初の GA スナップショット。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。

GPT Realtime の料金はいくらですか?

Synthorai 上の GPT Realtime は入力 100 万トークンあたり $4、出力 100 万トークンあたり $16 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 API はどう呼び出しますか?

GPT Realtime は音声対話(speech-to-speech)モデルです。WebSocket で wss://synthorai.io/v1/realtime?model=gpt-realtime 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、Authorization ヘッダーのみを送信してください(beta プロトコルは廃止済み)。

GPT Realtime を利用するには?

GPT Realtime 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" を設定するだけです。

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)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。

API キーを取得 コストを比較する →