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

邀请测试

GPT Realtime 2.1 是 OpenAI 实时语音对语音家族的旗舰,发布时被称为更新的实时推理模型,改进了字母数字识别、静音与噪声处理以及打断行为。

输入
音频 文本 $4/M
输出
音频 文本 $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

价格在同类中的位置

价格在 6 个同类模型中的位置

输入$4/M
$0.06 · nova-2-sonic GPT Realtime · $4
输出$24/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24
缓存读取$0.4/M
$0.06 · GPT Realtime 2.1 Mini GPT Realtime · $0.4

这条线显示该模型的价格,在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价,批量、区域和缓存写入的折扣见价格页。

规格与限制

Token

上下文窗口(厂商规格) 128,000
最大输出(厂商规格) 32,000
知识截止 2024-09

提示词缓存

缓存方式 自动
最低前缀 1,024
存活时间 5–10 分钟,最长 1 小时

实时语音

会话能力
  • 基于 WebSocket 的语音到语音
  • 可配置推理力度
  • 工具使用
  • 打断处理
  • 128K 上下文

模型

模态 音频 + 文本 → 音频 + 文本
  • 更新版实时推理模型,改进了字母数字识别、静音与噪声处理以及打断行为
  • 面向语音智能体工作流提供可配置的推理力度和工具使用
  • 128k 上下文

依据 OpenAI 官方文档 ↗

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"
# 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())

关于 GPT Realtime 2.1

  • 它把该家族扩展到 128K token 上下文窗口和 32K 最大输出 token,并支持可配置的推理力度、指令遵循,以及面向复杂语音智能体工作流的工具调用。
  • 音频和文本按各自的 token 单价计费,缓存输入享折扣。
  • OpenAI 的实时指南把它列为构建低延迟语音智能体时该选的模型,并建议大多数生产智能体从 low 推理力度起步,只在任务值得付出额外延迟时才提高。
  • 会话可走 WebRTC、WebSocket 或 SIP,轮次切换可使用基于静音的语音活动检测,或使用一个由 eagerness 设置决定等待说话人说完有多耐心的语义检测器。
  • 打断处理是协议的一部分:开启检测后,服务端会截断尚未播放的音频,而 WebSocket 客户端应停止播放并报告实际有多少音频送达了听者。
  • 工具可以按会话或按响应声明,当某项旁支任务不应污染对话记录时,响应也可以在主对话之外生成。
  • 在 Synthorai 上,它通过 OpenAI 兼容的 /v1/realtime WebSocket 端点提供,因此基于官方 Realtime SDK 构建的应用无需修改即可工作。

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、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。完整能力请见「关于」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,只发 Authorization 头(beta 协议已下线)。

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

对比

本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。

获取 API 密钥 算算你的成本 →