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

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: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 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)
35.9%
Big Bench Audio
82.8%
BFCL v3 (single-turn, python only)
80.4%

ベンダー公表値: Amazon OpenAI

価格の位置づけ

同種の 6 モデルの中での価格の位置

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 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) 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"
# 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。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 の料金はいくらですか?

Synthorai での GPT Realtime の料金は、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。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 $0.4/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。OpenAI Realtime SDK(または素の WebSocket)で wss://synthorai.io/v1/realtime?model=gpt-realtime 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 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" 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。

API キーを取得 コストを比較する →