ما الصناعات التي يمكنها استخدام واجهة برمجة تطبيقات GPT-Realtime-2.1؟

GPT-Realtime-2.1 مناسب لخدمة العملاء، وأتمتة المبيعات، والمساعدين في الرعاية الصحية، ومنصات التعليم، وتطبيقات الأجهزة الذكية.

هل يدعم GPT-Realtime-2.1 استدعاء الدوال؟

نعم. يدعم GPT-Realtime-2.1 استخدام الأدوات واستدعاء الدوال، مما يتيح للوكلاء الصوتيين تنفيذ إجراءات خارجية أثناء المحادثات.

ما حجم نافذة السياق في GPT-Realtime-2.1؟

يدعم GPT-Realtime-2.1 نافذة سياق بحجم 128,000 رمز، وما يصل إلى 32,000 رمز للإخراج.

هل تستطيع واجهة برمجة تطبيقات GPT-Realtime-2.1 إنشاء مساعدين صوتيين في الوقت الحقيقي؟

نعم. تم تصميم GPT-Realtime-2.1 لتطبيقات الصوت إلى الصوت، ويتيح للمطورين بناء وكلاء محادثة صوتية منخفضي الكمون.

ما أنماط الإدخال والإخراج التي يدعمها GPT-Realtime-2.1؟

يدعم GPT-Realtime-2.1 إدخال/إخراج النص والصوت، بالإضافة إلى إدخال الصور، لكنه لا يدعم إدخال الفيديو.

ما التحسينات التي يقدمها GPT-Realtime-2.1 مقارنةً بـ GPT-Realtime-2؟

يحسّن GPT-Realtime-2.1 التعرف على الأحرف والأرقام، والتعامل مع الصمت، والمَتانة أمام الضوضاء، وسلوك المقاطعة، مع الحفاظ على قدرات الاستدلال في الوقت الحقيقي واستخدام الأدوات.

متى ينبغي على المطورين اختيار GPT-Realtime-2.1 بدلاً من GPT-4o Realtime API؟

ينبغي للمطورين اختيار GPT-Realtime-2.1 للوكلاء الصوتيين المتقدمين الذين يتطلبون استدلالًا أقوى، وتنفيذ الأدوات، وتدفقات عمل محادثية معقدة.

OpenAI

متاح شائع

gpt-realtime-2.1

GPT-Realtime-2.1 API

GPT-Realtime-2.1 updates GPT-Realtime-2 with improved alphanumeric recognition, silence and noise handling, and interruption behavior. It supports speech-to-speech interactions with configurable reasoning effort, instruction following, and tool use for complex voice-agent workflows.

السعر الابتدائي

$3.20 / مليون رمز إدخال

فوترة حسب الاستخدام

حالة الواجهة

متاح

نقطة نهاية الإنتاج

زمن الاستجابة

جاهز للعمل غير المتزامن

زمن استجابة الواجهة المُلاحَظ

تاريخ الإصدار

Aug 6, 2026

OpenAI

التسعير

استخدم التقدير السريع أعلاه لعملية تشغيل واحدة، ثم راجع المقارنة الكاملة بين أسعار CometAPI والأسعار الرسمية.

الطلب الأول

$0.0224

التكلفة المقدّرة لاستخدام CometAPI

عشرة طلبات

$0.2240

التكلفة المقدّرة لاستخدام CometAPI

خمسة عشر طلبًا

$0.3360

التكلفة المقدّرة لاستخدام CometAPI

⇌

تحويل الأرصدة

1,000 رصيد = 1$

تجعل الأرصدة الميزانيات قابلة للمقارنة بين الفوترة حسب الرموز والطلبات ووقت التشغيل. يظل المبلغ بالدولار الأمريكي هو المرجع النهائي عند إتمام الدفع.

✓النموذج الحالي بالأرصدة

الإدخال

3,200

رصيد / مليون رمز

المخرجات

19,200

رصيد / مليون رمز

شفافية الحد الأدنى للرسوم لا يفترض هذا النموذج الأولي وجود حد أدنى مخفي لكل طلب. إذا تم تطبيق حد أدنى لفوترة الإنتاج أو حد أدنى لإعادة الشحن، فيجب عرضه قبل الشراء وإدراجه في كل تقدير للميزانية.

النموذج	سعر Comet (بالدولار الأمريكي / مليون رمز)	السعر الرسمي (بالدولار الأمريكي / مليون رمز)	الخصم
gpt-realtime-2.1	الإدخال: $3.20/مليون الإخراج: $19.20/مليون	الإدخال: $4.00/مليون الإخراج: $24.00/مليون	-20%
gpt-realtime-2.1-mini	الإدخال: $0.4800/مليون الإخراج: $2.88/مليون	الإدخال: $0.6000/مليون الإخراج: $3.60/مليون	-20%

موجز النموذج

هوية نموذج ثابتة للبحث والتقييم، مقترنة ببيانات كتالوج مباشرة يمكن أن تتغير من دون إعادة كتابة البنية الأساسية لتحسين محركات البحث في الصفحة.

هوية ثابتة

ما هو GPT-Realtime-2.1؟

تظل الهوية الأساسية للنموذج ثابتة مع تغيّر الأسعار والحدود.

بيانات النموذج المباشرة

لقطة حالية للكتالوج

التوفر

متاح

السعر الابتدائي

$3.20 / مليون رمز إدخال

السياق

عرض الإمكانات

تاريخ الكتالوج

Aug 6, 2026

نظرة عامة

نظرة عامة عملية على GPT-Realtime-2.1، تشمل السلوكيات المهمة واعتبارات التكامل.

المواصفات التقنية لـ GPT-Realtime-2.1

المواصفة	التفاصيل
اسم النموذج	GPT-Realtime-2.1
المزوّد	OpenAI
عائلة النموذج	سلسلة GPT-Realtime
نوع النموذج	نموذج استدلال صوتي متعدد الوسائط في الزمن الحقيقي
القدرة الأساسية	وكلاء ذكاء اصطناعي صوت-إلى-صوت
وسائط الإدخال	نص، صوت، صورة
وسائط الإخراج	نص، صوت
نافذة السياق	128,000 رموز
الحد الأقصى لرموز الإخراج	32,000 رموز
دعم الاستدلال	جهد استدلال قابل للتهيئة
استدعاء الدوال	مدعوم
المخرجات المهيكلة	غير مدعومة
الضبط الدقيق	غير مدعوم
إدخال الفيديو	غير مدعوم
نقطة نهاية API الرئيسية	Realtime API
حد المعرفة	30 سبتمبر 2024

المصدر: وثائق نموذج OpenAI GPT-Realtime-2.1.

ما هو GPT-Realtime-2.1؟

GPT-Realtime-2.1 هو نموذج صوتي متقدم من OpenAI مصمم لبناء وكلاء ذكاء اصطناعي حواريين يمكنهم الاستماع والاستدلال والاستجابة بشكل طبيعي عبر الصوت.

مقارنةً بالمساعدات الصوتية التقليدية التي تعتمد على خطوط معالجة منفصلة لتحويل الكلام إلى نص وفهم اللغة وتحويل النص إلى كلام، يوفّر GPT-Realtime-2.1 تفاعلاً صوتياً أصيلاً من صوت إلى صوت، ممّا يمكّن محادثات أقل زمناً للاستجابة مع معالجة أفضل للمقاطعة وفهماً سياقياً محسّناً.

تم تحسين النموذج لتطبيقات الصوت الإنتاجية بما في ذلك وكلاء خدمة العملاء، ومساعدو الذكاء الاصطناعي، وأتمتة المبيعات، ومنصات التعليم، والتجارب الصوتية التفاعلية.

أداء المعايير القياسية لـ GPT-Realtime-2.1

تُركّز تحسينات GPT-Realtime-2.1 على مقاييس التفاعل العملي الفوري:

القدرة	التحسين
التعامل مع المقاطعات الصوتية	محسّن
مقاومة الضوضاء	محسّن
التعرّف على الأحرف والأرقام	محسّن
أُطر عمل صوتية قائمة على الأدوات	مدعوم
تفاعل صوت-إلى-صوت	مدعوم

الميزات الرئيسية لـ GPT-Realtime-2.1

1. تفاعل صوتي أصيل من صوت إلى صوت

يلغي GPT-Realtime-2.1 الحاجة إلى خطوط معالجة منفصلة للتعرّف على الكلام وتحويل النص إلى كلام.

البنية التقليدية للصوت:

User Voice
 ↓
Speech-to-Text
 ↓
LLM Processing
 ↓
Text-to-Speech
 ↓
Voice Response

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

هذا يقلّل زمن الاستجابة ويحسّن سلاسة المحادثة.

2. جودة محادثة صوتية محسّنة

يحسّن GPT-Realtime-2.1 عدة تحديات صوتية في العالم الحقيقي:

معالجة أفضل للمقاطعة

يمكن للمستخدمين مقاطعة الذكاء الاصطناعي بشكل طبيعي أثناء حديثه.

مثال:

المستخدم:

"احجز لي رحلة إلى—في الواقع، غيّر ذلك إلى طوكيو."

يمكن للنموذج التعافي من تغيّرات المحادثة دون إعادة بدء التفاعل.

تعامل أفضل مع الصمت والضوضاء

تم تحسين النموذج للبيئات التي تكون فيها جودة الصوت غير مثالية:

مراكز الاتصال
الأجهزة المحمولة
الأماكن العامة
الأجهزة الذكية

3. استخدام متقدم للأدوات بواسطة الوكلاء الصوتيين

يدعم GPT-Realtime-2.1 استدعاء الأدوات، مما يسمح للوكلاء الصوتيين بتنفيذ إجراءات.

أمثلة:

خدمة العملاء:

User:
"Where is my order?"

AI:
→ Calls order database API
→ Retrieves status
→ Responds by voice

سير عمل مؤسسي:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

هذا يجعل GPT-Realtime-2.1 مناسباً للوكلاء الصوتيين الذاتيين.

4. قدرة استدلال قابلة للتهيئة

على خلاف نماذج الصوت الفورية السابقة المُحسّنة أساساً للسرعة، يقدّم GPT-Realtime-2.1 جهداً استدلالياً قابلاً للتهيئة.

يمكن للمطورين الموازنة بين:

زمن استجابة الرد
الدقة
تعقيد المهمة

استدلال منخفض:

محادثات بسيطة
مساعدو الأسئلة المتكررة

استدلال أعلى:

طلبات العملاء المعقّدة
أُطر عمل متعددة الخطوات
العمليات التجارية

5. تعرّف أفضل على الأرقام والمعلومات التقنية

كثيراً ما يواجه الوكلاء الصوتيون صعوبة مع:

أرقام الحسابات
الأرقام التسلسلية
العناوين
رموز المنتجات
المعلومات المالية

يحسّن GPT-Realtime-2.1 التعرّف على الأحرف والأرقام، مما يجعله أكثر ملاءمة لأنظمة الصوت المؤسسية.

6. دعم الإدخال متعدد الوسائط

يدعم GPT-Realtime-2.1:

الإدخال	الدعم
نص	✅
صوت	✅
صورة	✅
فيديو	❌

يتيح إدخال الصور سيناريوهات مثل:

دعم عملاء بصري
تفسير المستندات
مساعدون يعتمدون على الكاميرا

مقارنة GPT-Realtime-2.1 مع GPT-Realtime-2 ومع GPT-4o Realtime

النموذج	نقاط القوة	أفضل استخدام
GPT-Realtime-2.1	أفضل استدلال فوري + قدرات الوكلاء الصوتيين	وكلاء صوتيون للإنتاج
GPT-Realtime-2	استدلال صوتي فوري قوي	تطبيقات محادثة متقدمة
GPT-4o Realtime	تفاعل متعدد الوسائط سريع	مساعدات صوتية عامة

مقارنة GPT-Realtime-2.1 مع GPT-Realtime-2

يحسّن GPT-Realtime-2.1:

التعافي من المقاطعة الصوتية
التعامل مع الضوضاء
دقة التعرّف
متانة المحادثة

يشترك كلا النموذجين في:

بنية صوت-إلى-صوت
استدعاء الأدوات
دعم الاستدلال
الوصول إلى Realtime API

مقارنة GPT-Realtime-2.1 مع GPT-4o Realtime

يتموضع GPT-Realtime-2.1 لأُطر عمل وكيل أكثر تقدماً.

بالمقارنة مع GPT-4o Realtime:

القدرة	GPT-Realtime-2.1	GPT-4o Realtime
الاستدلال	أقوى	عام
السياق	128K	32K
استخدام الأدوات	مدعوم	مدعوم
الوكلاء الصوتيون	متقدم	عام
أُطر عمل معقّدة	أنسب	مناسب

كيفية استخدام GPT-Realtime-2.1 API مع CometAPI

تم تصميم GPT-Realtime-2.1 لتطبيقات الوكلاء الصوتيين منخفضة زمن الاستجابة. وهو يدعم التفاعل الفوري صوت-إلى-صوت، إدخال/إخراج الصوت، إدخال الصور، جهداً استدلالياً قابلاً للتهيئة، واستدعاء الدوال لأُطر عمل صوتية ممكّنة بالأدوات. تعرضه OpenAI عبر Realtime API، بما في ذلك طرق اتصال فورية تعتمد على WebRTC وWebSocket وSIP.

توفر CometAPI طبقة API موحّدة لدمج نماذج الذكاء الاصطناعي المتقدمة، مما يسمح للمطورين بالوصول إلى أُطر عمل على نمط GPT-Realtime-2.1 دون الحاجة إلى إدارة مصادقة موفّرين منفصلة ومنطق SDK وبنية تحتية مستقلة.

الخطوة 1: احصل على مفتاح API الخاص بـ CometAPI

أنشئ حساباً على CometAPI وأنشئ رمز API من وحدة تحكم المطوّرين.

يجب أن تتضمن طلبات API الخاصة بك:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

يقوم مفتاح API بمصادقة طلباتك ويسمح لتطبيقك باستدعاء نماذج الذكاء الاصطناعي المتاحة عبر CometAPI.

الخطوة 2: أنشئ جلسة GPT-Realtime-2.1

يعمل GPT-Realtime-2.1 من خلال جلسة فورية مستمرة بدلاً من إكمال الدردشة التقليدي القائم على الطلب-الاستجابة.

تحافظ الجلسة الفورية على:

بث إدخال الصوت
استجابات النموذج
حالة المحادثة
استدعاءات الأدوات
المقاطعات

يدعم Realtime API من OpenAI الاتصال الفوري عبر واجهات WebRTC وWebSocket وSIP.

مثال:

curl https://api.cometapi.com/v1/realtime/sessions \
-H "Authorization: Bearer YOUR_COMETAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '
{
  "model": "gpt-realtime-2.1",
  "modalities": [
    "audio",
    "text"
  ],
  "voice": "alloy",
  "instructions": "You are a helpful customer support voice assistant."
}
'

استجابة مثال:

{
  "id": "sess_xxxxx",
  "model": "gpt-realtime-2.1",
  "status": "active"
}

الخطوة 3: أرسل إدخالاً صوتياً إلى GPT-Realtime-2.1

بعد إنشاء الجلسة، قم ببث صوت المستخدم.

سير عمل نموذجي:

User microphone
        |
        ↓
Audio stream
        |
        ↓
GPT-Realtime-2.1
        |
        ↓
Generated voice response

يمكن أن يشمل الإدخال الصوتي:

مكالمات هاتفية
أوامر صوتية
مكالمات دعم العملاء
مساعدون تفاعليون

يحسّن GPT-Realtime-2.1 التفاعل الصوتي من خلال كشف أفضل للصمت والتعامل مع الضوضاء وسلوك المقاطعة مقارنةً بالنماذج الفورية السابقة.

الخطوة 4: استلم استجابات صوتية فورية

يعيد النموذج الاستجابات الصوتية المُولَّدة عبر الاتصال الفوري.

حدث مثال:

{
  "type": "response.audio.delta",
  "delta": "base64_audio_chunk"
}

يمكن لتطبيقك تشغيل أجزاء الصوت المستلمة فوراً.

التنفيذات النموذجية:

تطبيقات صوتية عبر WebRTC
مساعدون قائمون على المتصفح
تطبيقات صوتية على الأجهزة المحمولة
وكلاء هاتف بالذكاء الاصطناعي

الخطوة 5: أضف استدعاء الدوال للوكلاء الصوتيين

يدعم GPT-Realtime-2.1 استدعاء الدوال، مما يسمح للوكلاء الصوتيين بتنفيذ إجراءات خارجية.

مثال:

{
  "tools": [
    {
      "type": "function",
      "name": "check_order_status",
      "description": "Retrieve customer order information",
      "parameters": {
        "type": "object",
        "properties": {
          "order_id": {
            "type": "string"
          }
        }
      }
    }
  ]
}

أُطر عمل محتملة للوكلاء الصوتيين:

"أين طردي؟"
"احجز لي اجتماعاً غداً."
"ألغِ اشتراكي."
"تحقق من رصيد حسابي."

يمكن للنموذج التعرف على الطلب، واستدعاء الأداة المناسبة، ومواصلة المحادثة بشكل طبيعي.

الخطوة 6: اضبط الاستدلال والتعليمات

يدعم GPT-Realtime-2.1 جهداً استدلالياً قابلاً للتهيئة.

مثال:

{
  "model": "gpt-realtime-2.1",
  "reasoning": {
    "effort": "medium"
  },
  "instructions": "Act as a professional travel assistant."
}

الإعدادات الموصى بها:

التطبيق	مستوى الاستدلال
أوامر صوتية بسيطة	منخفض
دعم العملاء	متوسط
وكلاء أُطر عمل معقّدة	عالٍ

الأسئلة الشائعة

API

انسخ نقطة نهاية ونموذج كود يعملان، ثم افتح المرجع الكامل للواجهة عند الحاجة إلى جميع المعلمات.

واجهة برمجة تطبيقات واحدة، وصول للنماذج جاهز للإنتاج

قم بالمصادقة مرة واحدة، واستدعِ نقطة نهاية النموذج، وحافظ على نفس سير عمل الفوترة والمراقبة عبر جميع المزودين.

GET/v1/realtime

نموذج الكود وواجهة برمجة التطبيقات لـ GPT-Realtime-2.1

احصل على أكواد نماذجية شاملة وموارد API لـ GPT-Realtime-2.1 لتبسيط عملية التكامل الخاصة بك. توفر وثائقنا التفصيلية إرشادات خطوة بخطوة، مما يساعدك على الاستفادة من الإمكانات الكاملة لـ GPT-Realtime-2.1 في مشاريعك.

GET

/v1/realtime

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2.1"

cURL Code Example

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2.1"

Python Code Example

"""Send one text turn to gpt-realtime-2.1 over the Realtime WebSocket API.

Install the client with: pip install websocket-client
"""

import json
import os
from urllib.parse import urlencode

from websocket import create_connection


MODEL = "gpt-realtime-2.1"
BASE_URL = "wss://api.cometapi.com"
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"


def get(path: str) -> str:
    """Build a WebSocket URL for the API's GET route."""

    return f"{BASE_URL}{path}?{urlencode({'model': MODEL})}"


socket = create_connection(
    get("/v1/realtime"),
    header=[
        f"Authorization: Bearer {COMETAPI_KEY}",
        "OpenAI-Beta: realtime=v1",
    ],
    timeout=30,
)

try:
    socket.send(
        json.dumps(
            {
                "type": "session.update",
                "session": {
                    "modalities": ["text"],
                    "instructions": "Answer clearly and concisely.",
                },
            }
        )
    )
    socket.send(
        json.dumps(
            {
                "type": "conversation.item.create",
                "item": {
                    "type": "message",
                    "role": "user",
                    "content": [
                        {
                            "type": "input_text",
                            "text": "Give me one tip for a productive meeting.",
                        }
                    ],
                },
            }
        )
    )
    socket.send(json.dumps({"type": "response.create"}))

    while True:
        event = json.loads(socket.recv())
        event_type = event.get("type")
        if event_type in {
            "response.text.delta",
            "response.output_text.delta",
            "response.audio_transcript.delta",
            "response.output_audio_transcript.delta",
        }:
            print(event.get("delta", ""), end="", flush=True)
        elif event_type == "error":
            raise RuntimeError(json.dumps(event.get("error", event), indent=2))
        elif event_type == "response.done":
            print()
            break
finally:
    socket.close()

JavaScript Code Example

// Send one text turn to gpt-realtime-2.1 over the Realtime WebSocket API.
// Requires Node.js 22 or newer, which includes a global WebSocket client.

const model = "gpt-realtime-2.1";
const baseUrl = "wss://api.cometapi.com";
const apiKey = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";

function get(path) {
  const url = new URL(`${baseUrl}${path}`);
  url.searchParams.set("model", model);
  return url;
}

const socket = new WebSocket(get("/v1/realtime"), [
  "realtime",
  `openai-insecure-api-key.${apiKey}`,
  "openai-beta.realtime-v1",
]);

socket.addEventListener("open", () => {
  socket.send(
    JSON.stringify({
      type: "session.update",
      session: {
        modalities: ["text"],
        instructions: "Answer clearly and concisely.",
      },
    }),
  );
  socket.send(
    JSON.stringify({
      type: "conversation.item.create",
      item: {
        type: "message",
        role: "user",
        content: [
          {
            type: "input_text",
            text: "Give me one tip for a productive meeting.",
          },
        ],
      },
    }),
  );
  socket.send(JSON.stringify({ type: "response.create" }));
});

socket.addEventListener("message", ({ data }) => {
  const event = JSON.parse(data.toString());
  if (
    [
      "response.text.delta",
      "response.output_text.delta",
      "response.audio_transcript.delta",
      "response.output_audio_transcript.delta",
    ].includes(event.type)
  ) {
    process.stdout.write(event.delta || "");
  } else if (event.type === "error") {
    console.error(JSON.stringify(event.error || event, null, 2));
    socket.close();
    process.exitCode = 1;
  } else if (event.type === "response.done") {
    process.stdout.write("\n");
    socket.close();
  }
});

socket.addEventListener("error", (error) => {
  console.error("WebSocket error:", error.message || error);
  process.exitCode = 1;
});

الإمكانيات

راجع أهم بيانات النموذج قبل اختيار البنية أو تقدير حِمل الإنتاج.

الإمكانيات المدعومة

الميزات التي تُعيدها واجهة برمجة تطبيقات النموذج الحالية.

text-to-speech

الإدخال والإخراج

المدخلات

text

المخرجات

audio

ملف تعريف الإنتاج

المزود: OpenAI
سياق: يعتمد على النموذج
الاستخدام التجاري: مدعوم

حالات الاستخدام

استخدم GPT-Realtime-2.1 في سير عمل إنتاجي يناسب إمكانياته في audio، ثم قارن البدائل قبل الالتزام بتكامل طويل الأمد.

توليد الكلام والموسيقى والصوت

تجارب صوتية وإنتاج الوسائط

سير عمل صوتي آلي على نطاق واسع

نماذج أخرى

قارن نماذج أخرى متاحة عبر CometAPI من حيث الجودة وزمن الاستجابة والإمكانيات والسعر.

فتح مقارنة النماذج →

OpenAI

GPT-Realtime-2

GPT-Realtime-2 هو أكثر نماذجنا الصوتية قدرةً في الوقت الحقيقي. يدعم تفاعلات من كلام إلى كلام بجهد استدلالي قابل للتخصيص، وقدرة أقوى على اتباع التعليمات، واستخدامًا أكثر موثوقية للأدوات ضمن عمليات سير عمل معقّدة للوكلاء الصوتيين.

عرض النموذج

OpenAI

gpt-realtime-1.5

أفضل نموذج صوتي لإدخال الصوت وإخراج الصوت.

عرض النموذج

OpenAI

TTS

تحويل النص إلى كلام من OpenAI

عرض النموذج

OpenAI

Whisper-1

تحويل الكلام إلى نص، وإنشاء ترجمات

عرض النموذج

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe هو نموذج لتحويل الصوت إلى نص للتعرّف على الكلام متعدد اللغات ومنخفض الكمون. يدعم البثّ الآني والتفريغ الدُفعي من صيغ الصوت الشائعة، مع علامات ترقيم وتقسيم للجمل. تشمل الاستخدامات النموذجية الترجمة النصية المباشرة، ومدخلات المساعد الصوتي، وملاحظات الاجتماعات، وتفريغ تسجيلات الوسائط أو المكالمات. تشمل أبرز الجوانب التقنية دعم نمطية الصوت، ومعالجة المحتوى الطويل، وواجهات برمجة تطبيقات ملائمة لسير العمل التفاعلي وعلى جانب الخادم.

عرض النموذج

OpenAI

GPT-4o mini Realtime Preview

GPT-4o mini Realtime Preview هو نموذج متعدد الوسائط في الزمن الحقيقي للتجارب التفاعلية الصوتية والبصرية. يتعامل مع الكلام والنصوص والصور عبر مدخلات ومخرجات متدفقة، مع دعم استدعاء الأدوات/الدوال لتنفيذ إجراءات مرتكزة إلى الأدوات. تشمل الاستخدامات الشائعة المساعدات الصوتية، معالجة المكالمات الحية، إنشاء تسميات توضيحية في الزمن الحقيقي، والإجابة عن الأسئلة البصرية اعتماداً على محتوى الكاميرا أو الشاشة. تشمل أبرز الجوانب التقنية الصوت ثنائي الاتجاه، الفهم البصري، الاستجابات المتدفقة، والمخرجات المنظمة عبر الدوال.

عرض النموذج

وقت التشغيل

راجع بيانات النبض الحي وتوفر نقطة النهاية وأزمنة الاستجابة المُلاحَظة قبل الانتقال إلى الإنتاج.

الإصدارات

راجع معرّفات النماذج المتاحة قبل تثبيت تكامل الإنتاج.

gpt-realtime-2.1

gpt-realtime-2.1-mini

التحديثات

تابع التغييرات المهمة في توفر GPT-Realtime-2.1 وأسعاره وإمكاناته من دون فقدان صفحة النموذج الثابتة.

سجل تغييرات النموذج

صفحة واحدة تصبح أكثر فائدة بمرور الوقت.

تتراكم هنا ملاحظات الإصدار وتغييرات الأسعار وتحديثات المعايير الإرشادية وإرشادات الترحيل، بينما يظل عنوان URL الأساسي دون تغيير.

Aug 6, 2026

تم تأكيد إتاحة واجهة برمجة التطبيقات

يتوفر GPT-Realtime-2.1 من خلال دليل نماذج CometAPI ووثائق واجهة برمجة التطبيقات.

الحالي

بيانات مباشرة

تمت مزامنة الأسعار والحدود من الدليل

يتم التعامل مع السعر وسياق الإدخال والإتاحة والحدود بوصفها خصائص ديناميكية بدلًا من تضمينها في عنوان الصفحة أو هوية النموذج.

Aug 7, 2026

تم إنشاء كيان دائم للنموذج

يشكّل اسم المزوّد والمعرّف المختصر للنموذج عنوان URL أساسيًا ودائمًا؛ وستظل تحديثات المحتوى والبيانات المستقبلية على هذه الصفحة.

واصل الاستكشاف

قارن النماذج وتابع بحثك

OpenAI

متاح شائع

gpt-realtime-2.1

GPT-Realtime-2.1 API

السعر الابتدائي

$3.20 / مليون رمز إدخال

فوترة حسب الاستخدام

حالة الواجهة

متاح

نقطة نهاية الإنتاج

زمن الاستجابة

جاهز للعمل غير المتزامن

زمن استجابة الواجهة المُلاحَظ

تاريخ الإصدار

Aug 6, 2026

OpenAI

التسعير

استخدم التقدير السريع أعلاه لعملية تشغيل واحدة، ثم راجع المقارنة الكاملة بين أسعار CometAPI والأسعار الرسمية.

الطلب الأول

$0.0224

التكلفة المقدّرة لاستخدام CometAPI

عشرة طلبات

$0.2240

التكلفة المقدّرة لاستخدام CometAPI

خمسة عشر طلبًا

$0.3360

التكلفة المقدّرة لاستخدام CometAPI

⇌

تحويل الأرصدة

1,000 رصيد = 1$

✓النموذج الحالي بالأرصدة

الإدخال

3,200

رصيد / مليون رمز

المخرجات

19,200

رصيد / مليون رمز

النموذج	سعر Comet (بالدولار الأمريكي / مليون رمز)	السعر الرسمي (بالدولار الأمريكي / مليون رمز)	الخصم
gpt-realtime-2.1	الإدخال: $3.20/مليون الإخراج: $19.20/مليون	الإدخال: $4.00/مليون الإخراج: $24.00/مليون	-20%
gpt-realtime-2.1-mini	الإدخال: $0.4800/مليون الإخراج: $2.88/مليون	الإدخال: $0.6000/مليون الإخراج: $3.60/مليون	-20%

موجز النموذج

هوية ثابتة

ما هو GPT-Realtime-2.1؟

تظل الهوية الأساسية للنموذج ثابتة مع تغيّر الأسعار والحدود.

بيانات النموذج المباشرة

لقطة حالية للكتالوج

التوفر

متاح

السعر الابتدائي

$3.20 / مليون رمز إدخال

السياق

عرض الإمكانات

تاريخ الكتالوج

Aug 6, 2026

نظرة عامة

نظرة عامة عملية على GPT-Realtime-2.1، تشمل السلوكيات المهمة واعتبارات التكامل.

المواصفات التقنية لـ GPT-Realtime-2.1

المواصفة	التفاصيل
اسم النموذج	GPT-Realtime-2.1
المزوّد	OpenAI
عائلة النموذج	سلسلة GPT-Realtime
نوع النموذج	نموذج استدلال صوتي متعدد الوسائط في الزمن الحقيقي
القدرة الأساسية	وكلاء ذكاء اصطناعي صوت-إلى-صوت
وسائط الإدخال	نص، صوت، صورة
وسائط الإخراج	نص، صوت
نافذة السياق	128,000 رموز
الحد الأقصى لرموز الإخراج	32,000 رموز
دعم الاستدلال	جهد استدلال قابل للتهيئة
استدعاء الدوال	مدعوم
المخرجات المهيكلة	غير مدعومة
الضبط الدقيق	غير مدعوم
إدخال الفيديو	غير مدعوم
نقطة نهاية API الرئيسية	Realtime API
حد المعرفة	30 سبتمبر 2024

المصدر: وثائق نموذج OpenAI GPT-Realtime-2.1.

ما هو GPT-Realtime-2.1؟

أداء المعايير القياسية لـ GPT-Realtime-2.1

تُركّز تحسينات GPT-Realtime-2.1 على مقاييس التفاعل العملي الفوري:

القدرة	التحسين
التعامل مع المقاطعات الصوتية	محسّن
مقاومة الضوضاء	محسّن
التعرّف على الأحرف والأرقام	محسّن
أُطر عمل صوتية قائمة على الأدوات	مدعوم
تفاعل صوت-إلى-صوت	مدعوم

الميزات الرئيسية لـ GPT-Realtime-2.1

1. تفاعل صوتي أصيل من صوت إلى صوت

يلغي GPT-Realtime-2.1 الحاجة إلى خطوط معالجة منفصلة للتعرّف على الكلام وتحويل النص إلى كلام.

البنية التقليدية للصوت:

User Voice
 ↓
Speech-to-Text
 ↓
LLM Processing
 ↓
Text-to-Speech
 ↓
Voice Response

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

هذا يقلّل زمن الاستجابة ويحسّن سلاسة المحادثة.

2. جودة محادثة صوتية محسّنة

يحسّن GPT-Realtime-2.1 عدة تحديات صوتية في العالم الحقيقي:

معالجة أفضل للمقاطعة

يمكن للمستخدمين مقاطعة الذكاء الاصطناعي بشكل طبيعي أثناء حديثه.

مثال:

المستخدم:

"احجز لي رحلة إلى—في الواقع، غيّر ذلك إلى طوكيو."

يمكن للنموذج التعافي من تغيّرات المحادثة دون إعادة بدء التفاعل.

تعامل أفضل مع الصمت والضوضاء

تم تحسين النموذج للبيئات التي تكون فيها جودة الصوت غير مثالية:

مراكز الاتصال
الأجهزة المحمولة
الأماكن العامة
الأجهزة الذكية

3. استخدام متقدم للأدوات بواسطة الوكلاء الصوتيين

يدعم GPT-Realtime-2.1 استدعاء الأدوات، مما يسمح للوكلاء الصوتيين بتنفيذ إجراءات.

أمثلة:

خدمة العملاء:

User:
"Where is my order?"

AI:
→ Calls order database API
→ Retrieves status
→ Responds by voice

سير عمل مؤسسي:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

هذا يجعل GPT-Realtime-2.1 مناسباً للوكلاء الصوتيين الذاتيين.

4. قدرة استدلال قابلة للتهيئة

يمكن للمطورين الموازنة بين:

زمن استجابة الرد
الدقة
تعقيد المهمة

استدلال منخفض:

محادثات بسيطة
مساعدو الأسئلة المتكررة

استدلال أعلى:

طلبات العملاء المعقّدة
أُطر عمل متعددة الخطوات
العمليات التجارية

5. تعرّف أفضل على الأرقام والمعلومات التقنية

كثيراً ما يواجه الوكلاء الصوتيون صعوبة مع:

أرقام الحسابات
الأرقام التسلسلية
العناوين
رموز المنتجات
المعلومات المالية

يحسّن GPT-Realtime-2.1 التعرّف على الأحرف والأرقام، مما يجعله أكثر ملاءمة لأنظمة الصوت المؤسسية.

6. دعم الإدخال متعدد الوسائط

يدعم GPT-Realtime-2.1:

الإدخال	الدعم
نص	✅
صوت	✅
صورة	✅
فيديو	❌

يتيح إدخال الصور سيناريوهات مثل:

دعم عملاء بصري
تفسير المستندات
مساعدون يعتمدون على الكاميرا

مقارنة GPT-Realtime-2.1 مع GPT-Realtime-2 ومع GPT-4o Realtime

النموذج	نقاط القوة	أفضل استخدام
GPT-Realtime-2.1	أفضل استدلال فوري + قدرات الوكلاء الصوتيين	وكلاء صوتيون للإنتاج
GPT-Realtime-2	استدلال صوتي فوري قوي	تطبيقات محادثة متقدمة
GPT-4o Realtime	تفاعل متعدد الوسائط سريع	مساعدات صوتية عامة

مقارنة GPT-Realtime-2.1 مع GPT-Realtime-2

يحسّن GPT-Realtime-2.1:

التعافي من المقاطعة الصوتية
التعامل مع الضوضاء
دقة التعرّف
متانة المحادثة

يشترك كلا النموذجين في:

بنية صوت-إلى-صوت
استدعاء الأدوات
دعم الاستدلال
الوصول إلى Realtime API

مقارنة GPT-Realtime-2.1 مع GPT-4o Realtime

يتموضع GPT-Realtime-2.1 لأُطر عمل وكيل أكثر تقدماً.

بالمقارنة مع GPT-4o Realtime:

القدرة	GPT-Realtime-2.1	GPT-4o Realtime
الاستدلال	أقوى	عام
السياق	128K	32K
استخدام الأدوات	مدعوم	مدعوم
الوكلاء الصوتيون	متقدم	عام
أُطر عمل معقّدة	أنسب	مناسب

كيفية استخدام GPT-Realtime-2.1 API مع CometAPI

الخطوة 1: احصل على مفتاح API الخاص بـ CometAPI

أنشئ حساباً على CometAPI وأنشئ رمز API من وحدة تحكم المطوّرين.

يجب أن تتضمن طلبات API الخاصة بك:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

يقوم مفتاح API بمصادقة طلباتك ويسمح لتطبيقك باستدعاء نماذج الذكاء الاصطناعي المتاحة عبر CometAPI.

الخطوة 2: أنشئ جلسة GPT-Realtime-2.1

يعمل GPT-Realtime-2.1 من خلال جلسة فورية مستمرة بدلاً من إكمال الدردشة التقليدي القائم على الطلب-الاستجابة.

تحافظ الجلسة الفورية على:

بث إدخال الصوت
استجابات النموذج
حالة المحادثة
استدعاءات الأدوات
المقاطعات

يدعم Realtime API من OpenAI الاتصال الفوري عبر واجهات WebRTC وWebSocket وSIP.

مثال:

curl https://api.cometapi.com/v1/realtime/sessions \
-H "Authorization: Bearer YOUR_COMETAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '
{
  "model": "gpt-realtime-2.1",
  "modalities": [
    "audio",
    "text"
  ],
  "voice": "alloy",
  "instructions": "You are a helpful customer support voice assistant."
}
'

استجابة مثال:

{
  "id": "sess_xxxxx",
  "model": "gpt-realtime-2.1",
  "status": "active"
}

الخطوة 3: أرسل إدخالاً صوتياً إلى GPT-Realtime-2.1

بعد إنشاء الجلسة، قم ببث صوت المستخدم.

سير عمل نموذجي:

User microphone
        |
        ↓
Audio stream
        |
        ↓
GPT-Realtime-2.1
        |
        ↓
Generated voice response

يمكن أن يشمل الإدخال الصوتي:

مكالمات هاتفية
أوامر صوتية
مكالمات دعم العملاء
مساعدون تفاعليون

الخطوة 4: استلم استجابات صوتية فورية

يعيد النموذج الاستجابات الصوتية المُولَّدة عبر الاتصال الفوري.

حدث مثال:

{
  "type": "response.audio.delta",
  "delta": "base64_audio_chunk"
}

يمكن لتطبيقك تشغيل أجزاء الصوت المستلمة فوراً.

التنفيذات النموذجية:

تطبيقات صوتية عبر WebRTC
مساعدون قائمون على المتصفح
تطبيقات صوتية على الأجهزة المحمولة
وكلاء هاتف بالذكاء الاصطناعي

الخطوة 5: أضف استدعاء الدوال للوكلاء الصوتيين

يدعم GPT-Realtime-2.1 استدعاء الدوال، مما يسمح للوكلاء الصوتيين بتنفيذ إجراءات خارجية.

مثال:

{
  "tools": [
    {
      "type": "function",
      "name": "check_order_status",
      "description": "Retrieve customer order information",
      "parameters": {
        "type": "object",
        "properties": {
          "order_id": {
            "type": "string"
          }
        }
      }
    }
  ]
}

أُطر عمل محتملة للوكلاء الصوتيين:

"أين طردي؟"
"احجز لي اجتماعاً غداً."
"ألغِ اشتراكي."
"تحقق من رصيد حسابي."

يمكن للنموذج التعرف على الطلب، واستدعاء الأداة المناسبة، ومواصلة المحادثة بشكل طبيعي.

الخطوة 6: اضبط الاستدلال والتعليمات

يدعم GPT-Realtime-2.1 جهداً استدلالياً قابلاً للتهيئة.

مثال:

{
  "model": "gpt-realtime-2.1",
  "reasoning": {
    "effort": "medium"
  },
  "instructions": "Act as a professional travel assistant."
}

الإعدادات الموصى بها:

التطبيق	مستوى الاستدلال
أوامر صوتية بسيطة	منخفض
دعم العملاء	متوسط
وكلاء أُطر عمل معقّدة	عالٍ

الأسئلة الشائعة

API

انسخ نقطة نهاية ونموذج كود يعملان، ثم افتح المرجع الكامل للواجهة عند الحاجة إلى جميع المعلمات.

واجهة برمجة تطبيقات واحدة، وصول للنماذج جاهز للإنتاج

GET/v1/realtime

نموذج الكود وواجهة برمجة التطبيقات لـ GPT-Realtime-2.1

GET

/v1/realtime

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2.1"

cURL Code Example

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2.1"

Python Code Example

"""Send one text turn to gpt-realtime-2.1 over the Realtime WebSocket API.

Install the client with: pip install websocket-client
"""

import json
import os
from urllib.parse import urlencode

from websocket import create_connection


MODEL = "gpt-realtime-2.1"
BASE_URL = "wss://api.cometapi.com"
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"


def get(path: str) -> str:
    """Build a WebSocket URL for the API's GET route."""

    return f"{BASE_URL}{path}?{urlencode({'model': MODEL})}"


socket = create_connection(
    get("/v1/realtime"),
    header=[
        f"Authorization: Bearer {COMETAPI_KEY}",
        "OpenAI-Beta: realtime=v1",
    ],
    timeout=30,
)

try:
    socket.send(
        json.dumps(
            {
                "type": "session.update",
                "session": {
                    "modalities": ["text"],
                    "instructions": "Answer clearly and concisely.",
                },
            }
        )
    )
    socket.send(
        json.dumps(
            {
                "type": "conversation.item.create",
                "item": {
                    "type": "message",
                    "role": "user",
                    "content": [
                        {
                            "type": "input_text",
                            "text": "Give me one tip for a productive meeting.",
                        }
                    ],
                },
            }
        )
    )
    socket.send(json.dumps({"type": "response.create"}))

    while True:
        event = json.loads(socket.recv())
        event_type = event.get("type")
        if event_type in {
            "response.text.delta",
            "response.output_text.delta",
            "response.audio_transcript.delta",
            "response.output_audio_transcript.delta",
        }:
            print(event.get("delta", ""), end="", flush=True)
        elif event_type == "error":
            raise RuntimeError(json.dumps(event.get("error", event), indent=2))
        elif event_type == "response.done":
            print()
            break
finally:
    socket.close()

JavaScript Code Example

// Send one text turn to gpt-realtime-2.1 over the Realtime WebSocket API.
// Requires Node.js 22 or newer, which includes a global WebSocket client.

const model = "gpt-realtime-2.1";
const baseUrl = "wss://api.cometapi.com";
const apiKey = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";

function get(path) {
  const url = new URL(`${baseUrl}${path}`);
  url.searchParams.set("model", model);
  return url;
}

const socket = new WebSocket(get("/v1/realtime"), [
  "realtime",
  `openai-insecure-api-key.${apiKey}`,
  "openai-beta.realtime-v1",
]);

socket.addEventListener("open", () => {
  socket.send(
    JSON.stringify({
      type: "session.update",
      session: {
        modalities: ["text"],
        instructions: "Answer clearly and concisely.",
      },
    }),
  );
  socket.send(
    JSON.stringify({
      type: "conversation.item.create",
      item: {
        type: "message",
        role: "user",
        content: [
          {
            type: "input_text",
            text: "Give me one tip for a productive meeting.",
          },
        ],
      },
    }),
  );
  socket.send(JSON.stringify({ type: "response.create" }));
});

socket.addEventListener("message", ({ data }) => {
  const event = JSON.parse(data.toString());
  if (
    [
      "response.text.delta",
      "response.output_text.delta",
      "response.audio_transcript.delta",
      "response.output_audio_transcript.delta",
    ].includes(event.type)
  ) {
    process.stdout.write(event.delta || "");
  } else if (event.type === "error") {
    console.error(JSON.stringify(event.error || event, null, 2));
    socket.close();
    process.exitCode = 1;
  } else if (event.type === "response.done") {
    process.stdout.write("\n");
    socket.close();
  }
});

socket.addEventListener("error", (error) => {
  console.error("WebSocket error:", error.message || error);
  process.exitCode = 1;
});