🎁 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

OpenAI 招待制ベータ realtime audio
入力$4/M
出力$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 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"
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 について

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

GPT Realtime は OpenAI 初の一般提供(GA)リアルタイムモデルで、文字起こしと音声合成を別々に連結せず、単一モデルが直接聞き取って自然で表現力豊かな音声で応答する speech-to-speech モデルです。

  • 32K トークンのコンテキストウィンドウと最大 4,096 出力トークンを備え、音声エージェントワークフロー向けの関数呼び出しに対応し、音声またはテキスト入力から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。
  • リアルタイムファミリー最初の GA スナップショットとして引き続き利用可能で、Synthorai では OpenAI 互換の /v1/realtime WebSocket エンドポイントから公式 Realtime SDK クライアントが変更なしで接続できます。

スペックと制限

最大出力(ベンダー仕様)4,096
モダリティaudio + text → audio + text
機能realtime · speech-to-speech
特記事項OpenAI's first general-availability realtime model (snapshot gpt-realtime-2025-08-28): native speech-to-speech with function calling; 32k 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 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、さらに表現力豊かな自然音声と関数呼び出しと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 About 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、OpenAI-Beta ヘッダーをミラーしてください。

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

無料の API キーを取得 コストを比較する →