GPT Realtime 2.1 Mini 是 OpenAI 即時家族中高性價比的成員:一款蒸餾出來的推理模型,提供更快、成本更低的即時語音互動,把推理與工具呼叫帶到 mini 等級。
- 輸入
- 音訊 文字 $0.6/M
- 輸出
- 音訊 文字 $2.4/M
- 音訊輸入
- $10/M
- 音訊輸出
- $20/M
- 快取讀取
- $0.06/M
- 知識截止
- 2024-09
價格在同類中的位置
價格在 6 個同類模型中的位置
這條線顯示該模型的價格,在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價,批次、區域與快取寫入的折扣見價格頁。
規格與限制
Token
| 上下文視窗(廠商規格) | 128,000 |
|---|---|
| 最大輸出(廠商規格) | 32,000 |
| 知識截止 | 2024-09 |
提示詞快取
| 快取方式 | 自動 |
|---|---|
| 最低前綴 | 1,024 |
| 存活時間 | 5–10 分鐘,最長 1 小時 |
即時語音
| 工作階段能力 | 帶推理與工具使用的語音到語音 · 提示詞快取 · 128K 上下文 |
|---|
模型
| 模態 | 音訊 + 文字 → 音訊 + 文字 |
|---|
- 更快、成本更低的蒸餾即時推理模型,把推理與工具使用帶到 mini 等級
- 支援提示詞快取
- 128k 上下文
30 秒用上 GPT Realtime 2.1 Mini
相容 OpenAI Realtime:透過 WebSocket 連線,音訊進、音訊出。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);關於 GPT Realtime 2.1 Mini
- 它保留了 2.1 世代的 128K token 上下文視窗與 32K 最大輸出 token,支援函式呼叫與提示詞快取,而音訊輸入的價格不到旗艦費率的三分之一。
- OpenAI 對於兩者之間該如何取捨的指引很直接:當你想要最強的即時推理、工具呼叫與指令遵循時,選完整的 2.1;而當你想要一個更快、更具成本效益的選項時,就選這一款。
- 它可以在 WebRTC、WebSocket 或 SIP 上接受音訊與文字輸入,因此同樣的傳輸選擇與語音智慧體模式都適用:基於靜音或基於語意的輪次偵測、打斷時的伺服器端截斷,以及會話級或回應級的工具宣告。
- OpenAI 表示,在這一版中,透過改進後的快取,即時語音模型的 p95 延遲至少降低了 25%。
- 它同時也是早前那幾款 mini 即時模型所指定的遷移目標,那些模型已經排定在 2027 年 1 月關閉。
- 這使它成為常駐語音助理,以及大批量、面向客戶的語音智慧體的自然之選。
- Synthorai 透過與即時產品線其餘成員相同的 OpenAI 相容 /v1/realtime WebSocket 端點開放它。
常見問題
GPT Realtime 2.1 Mini API 可以免費試用嗎?
GPT Realtime 2.1 Mini 目前處於邀請制測試階段,需申請開通,而非開放註冊。請在 Synthorai 主控台提交申請,審核通過後即依標準的按用量計費方式收費,無需訂閱。
GPT Realtime 2.1 Mini 最擅長什麼?
面向即時語音的蒸餾推理模型、音訊單價不到旗艦的三分之一、保留 128K 上下文、工具呼叫與提示詞快取。完整能力請見「關於」一節,內容取自廠商官方發布說明。
GPT Realtime 2.1 Mini 的價格是多少?
在 Synthorai 上,GPT Realtime 2.1 Mini 輸入 $0.6/百萬 token、輸出 $2.4/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.06/M 計費。
如何呼叫 GPT Realtime 2.1 Mini API?
GPT Realtime 2.1 Mini 是語音對話(speech-to-speech)模型:透過 WebSocket 連線 wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1-mini,使用 OpenAI Realtime SDK(或原生 WebSocket)即可,音訊輸入、音訊輸出。它不是 POST /v1/audio/transcriptions 檔案上傳介面。以你的 sk-syn key 驗證,只送 Authorization 標頭(beta 協定已下線)。
如何開通 GPT Realtime 2.1 Mini?
GPT Realtime 2.1 Mini 處於邀請制測試階段:請在 Synthorai 主控台申請開通。審核通過後,用法與其他模型相同:把 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "gpt-realtime-2.1-mini" 即可。
相關模型
對比
本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。