🎁 新人 免费注册,送 10 次调用,最高 $1,免绑卡。

GPT Realtime 2.1 发布于 2026-07-06

OpenAI 邀请测试 realtime audio
输入$4/M
输出$24/M
音频输入$32/M
音频输出$64/M
缓存读取$0.4/M
知识截止2024-09

厂商牌价,无平台加价,按量付费。 以下为官方 list 价。登录客户可在 /console/pricing 查看含工作空间折扣的实际价格。 按 70% 缓存命中率计算的等效输入价:$1.48/M. 提示词超过最小长度后自动进行前缀缓存,无需改代码;缓存读取有折扣(当前模型最高 90%),且没有写入费。

30 秒用上 GPT Realtime 2.1

兼容 OpenAI Realtime:通过 WebSocket 连接,音频进、音频出。WS /v1/realtime

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
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())

关于 GPT Realtime 2.1

面向生产语音智能体的旗舰实时档
改进打断、噪声与字母数字识别
可配置推理力度,支持工具调用

GPT Realtime 2.1 是 OpenAI 实时语音对语音(speech-to-speech)家族的旗舰,官方公告称其为升级版实时推理模型,改进了字母数字识别、静音与噪声处理以及打断行为。

  • 它将该家族的上下文窗口扩展到 128K token、最大输出 32K token,支持可配置推理力度、指令遵循,以及面向复杂语音智能体工作流的工具调用。
  • 音频与文本 token 按各自单价计费,缓存输入享折扣。
  • 在 Synthorai 上,它通过 OpenAI 兼容的 /v1/realtime WebSocket 端点提供,基于官方 Realtime SDK 构建的应用无需改动即可使用。

规格与限制

最大输出(厂商规格)32,000
模态audio + text → audio + text
特性realtime · speech-to-speech
备注Updated realtime reasoning model with improved alphanumeric recognition, silence and noise handling, and interruption behavior; configurable reasoning effort and tool use for voice-agent workflows; 128k context.
提示词缓存自动 · 最小前缀 1,024 token · TTL 5–10m, up to 1h

依据 OpenAI 官方文档 ↗

常见问题

GPT Realtime 2.1 API 可以免费试用吗?

GPT Realtime 2.1 目前处于邀请测试阶段:需申请开通,而非开放注册。在 Synthorai 控制台提交申请,通过后即按标准量付费计费,无需订阅。

GPT Realtime 2.1 最擅长什么?

面向生产语音智能体的旗舰实时档,以及改进打断、噪声与字母数字识别和可配置推理力度,支持工具调用。完整能力请见 About 部分,内容取自厂商官方发布说明。

GPT Realtime 2.1 的价格是多少?

在 Synthorai 上,GPT Realtime 2.1 输入 $4/百万 token、输出 $24/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.4/M 计费。

如何调用 GPT Realtime 2.1 API?

GPT Realtime 2.1 是语音对话(speech-to-speech)模型:通过 WebSocket 连接 wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1,用 OpenAI Realtime SDK(或原生 WebSocket)即可,音频输入、音频输出。它不是 POST /v1/audio/transcriptions 文件上传接口。用你的 sk-syn key 鉴权,并镜像 OpenAI-Beta 头。

如何开通 GPT Realtime 2.1?

GPT Realtime 2.1 处于邀请测试阶段:在 Synthorai 控制台申请开通。审批通过后与其他模型用法一致:把 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "gpt-realtime-2.1" 即可。

相关模型

免费获取 API key 算算你的成本 →