新用戶 免費註冊,送 10 次呼叫,最高 $1,免綁卡。

GPT Realtime 2.1

發布於 2026-07-06

邀請制測試

GPT Realtime 2.1 是 OpenAI 即時語音對語音家族的旗艦,發布時被稱為一款更新的即時推理模型,改進了字母數字辨識、靜音與噪音處理,以及打斷行為。

輸入
音訊 文字 $4/M
輸出
音訊 文字 $24/M
音訊輸入
$32/M
音訊輸出
$64/M
快取讀取
$0.4/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

輸入$4/M
$0.06 · nova-2-sonic GPT Realtime · $4
輸出$24/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24
快取讀取$0.4/M
$0.06 · GPT Realtime 2.1 Mini GPT Realtime · $0.4

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
  • 透過 WebSocket 的語音到語音
  • 可設定的推理力度
  • 工具使用
  • 打斷處理
  • 128K 上下文

模型

模態 音訊 + 文字 → 音訊 + 文字
  • 更新版的即時推理模型,改進了字母數字辨識、靜音與噪音處理以及打斷行為
  • 為語音智慧體工作流提供可設定的推理力度與工具使用
  • 128k 上下文

依據 OpenAI 官方文件 ↗

30 秒用上 GPT Realtime 2.1

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"
# 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())

關於 GPT Realtime 2.1

  • 它把這個家族擴展到 128K token 上下文視窗與 32K 最大輸出 token,並支援可設定的推理力度、指令遵循,以及面向複雜語音智慧體工作流的工具呼叫。
  • 音訊與文字 token 按各自的單 token 費率計費,並提供折扣的快取輸入。
  • OpenAI 的即時指南把它列為打造低延遲語音智慧體時該挑的模型,並建議大多數生產環境的智慧體從 low 推理力度起步,只有在任務值得付出額外延遲時才往上調。
  • 會話可以在 WebRTC、WebSocket 或 SIP 上執行,而輪次交替可以使用基於靜音的語音活動偵測,或使用一個語意偵測器,其 eagerness 設定決定它要多有耐心地等說話者講完。
  • 打斷處理是協定的一部分:在啟用偵測的情況下,伺服器會截斷尚未播放的音訊,而 WebSocket 用戶端則應停止播放,並回報實際傳達到聽者耳中的音訊長度。
  • 工具可以按會話宣告,也可以按回應宣告,而當某個附帶任務不應污染轉寫稿時,回應也可以在主對話之外生成。
  • 在 Synthorai 上,它透過 OpenAI 相容的 /v1/realtime WebSocket 端點提供,因此建立在官方 Realtime SDK 上的應用無需改動即可運作。

常見問題

GPT Realtime 2.1 API 可以免費試用嗎?

GPT Realtime 2.1 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 最擅長什麼?

面向生產語音智慧體的旗艦即時等級、改進打斷、噪音與字母數字辨識、可設定推理力度,支援工具呼叫。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 的價格是多少?

在 Synthorai 上,GPT Realtime 2.1 輸入 $4/百萬 token、輸出 $24/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.4/M 計費。

如何呼叫 GPT Realtime 2.1 API?

GPT Realtime 2.1 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,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?

GPT Realtime 2.1 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" 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。

取得 API 金鑰 算算你的成本 →