Hvilke brancher kan bruge GPT-Realtime-2.1 API'et?

GPT-Realtime-2.1 er egnet til kundeservice, salgsautomatisering, sundhedsassistenter, uddannelsesplatforme og applikationer til smarte enheder.

Understøtter GPT-Realtime-2.1 funktionskald?

Ja. GPT-Realtime-2.1 understøtter brug af værktøjer og funktionskald, så stemmeagenter kan udføre eksterne handlinger under samtaler.

Hvor stort er GPT-Realtime-2.1's kontekstvindue?

GPT-Realtime-2.1 understøtter et kontekstvindue på 128,000 tokens og op til 32,000 output-tokens.

Kan GPT-Realtime-2.1 API'et skabe stemmeassistenter i realtid?

Ja. GPT-Realtime-2.1 er designet til tale-til-tale-applikationer og gør det muligt for udviklere at bygge samtaleorienterede stemmeagenter med lav latenstid.

Hvilke input- og outputmodaliteter understøtter GPT-Realtime-2.1?

GPT-Realtime-2.1 understøtter tekst- og lydinput/-output samt billedinput, men understøtter ikke videoinput.

Hvilke forbedringer har GPT-Realtime-2.1 i forhold til GPT-Realtime-2?

GPT-Realtime-2.1 forbedrer alfanumerisk genkendelse, håndtering af stilhed, robusthed over for støj og håndtering af afbrydelser, samtidig med at den bevarer realtidsræsonnering og evnen til at bruge værktøjer.

Hvornår bør udviklere vælge GPT-Realtime-2.1 i stedet for GPT-4o Realtime API'et?

Udviklere bør vælge GPT-Realtime-2.1 til avancerede stemmeagenter, der kræver stærkere ræsonnering, eksekvering af værktøjer og komplekse samtaleflows.

OpenAI

Tilgængelig

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.

Startpris

$3.20 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Aug 7, 2026

OpenAI

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første anmodning

$0.0224

Anslået omkostning for brug af CometAPI

Ti anmodninger

$0.2240

Anslået omkostning for brug af CometAPI

Femten anmodninger

$0.3360

Anslået omkostning for brug af CometAPI

⇌

Konvertering af kreditter

1.000 kreditter = $1

Kreditter gør budgetter sammenlignelige på tværs af fakturering efter tokens, anmodninger og kørselstid. USD-beløbet er fortsat det afgørende ved betaling.

✓Nuværende model i kreditter

Input

3,200

kreditter / 1 mio. tokens

Output

19,200

kreditter / 1 mio. tokens

Gennemsigtighed om minimumsgebyrer Denne prototype antager ikke et skjult minimumsbeløb pr. anmodning. Hvis der gælder en minimumsgrænse for fakturering eller en minimumsoptankning i produktion, skal den vises før køb og inkluderes i alle budgetestimater.

Model	Comet-pris (USD / mio. tokens)	Officiel pris (USD / mio. tokens)	Rabat
gpt-realtime-2.1	Input: $3.20/M Output: $19.20/M	Input: $4.00/M Output: $24.00/M	-20%
gpt-realtime-2.1-mini	Input: $0.4800/M Output: $2.88/M	Input: $0.6000/M Output: $3.60/M	-20%

Modeloversigt

En stabil modelidentitet til søgning og evaluering kombineret med aktuelle katalogdata, der kan ændre sig uden at sidens grundlæggende SEO-struktur skal skrives om.

Stabil identitet

Hvad er GPT-Realtime-2.1?

Den kanoniske modelidentitet forbliver stabil, selv når priser og begrænsninger ændres.

Aktuelle modeldata

Aktuelt katalogsnapshot

Tilgængelighed

Tilgængelig

Startpris

$3.20 / 1 mio. input-tokens

Kontekst

Se funktioner

Katalogdato

Aug 7, 2026

Oversigt

Et praktisk overblik over GPT-Realtime-2.1, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for GPT-Realtime-2.1

Specifikation	Detaljer
Modelnavn	GPT-Realtime-2.1
Udbyder	OpenAI
Modelfamilie	GPT-Realtime-serien
Modeltype	Realtids multimodal stemmeresonneringsmodel
Primær funktion	Tale-til-tale AI-agenter
Inputmodaliteter	Tekst, Lyd, Billede
Outputmodaliteter	Tekst, Lyd
Kontekstvindue	128,000 tokens
Maksimalt antal output-tokens	32,000 tokens
Understøttelse af ræsonnering	Konfigurerbar ræsonneringsindsats
Funktionskald	Understøttet
Strukturerede output	Ikke understøttet
Finjustering	Ikke understøttet
Videoinput	Ikke understøttet
Primært API-endpoint	Realtime API
Vidensafskæring	September 30, 2024

Kilde: OpenAI GPT-Realtime-2.1 modeldokumentation.

Hvad er GPT-Realtime-2.1?

GPT-Realtime-2.1 er OpenAI's avancerede stemmemodel i realtid, designet til at bygge samtale-AI-agenter, der kan lytte, ræsonnere og svare naturligt via lyd.

Sammenlignet med traditionelle stemmeassistenter, der bygger på separate pipelines for talegenkendelse, sprogforståelse og tekst-til-tale, leverer GPT-Realtime-2.1 native tale-til-tale-interaktion, hvilket muliggør samtaler med lavere latenstid, bedre håndtering af afbrydelser og stærkere kontekstforståelse.

Modellen er optimeret til produktionsklare stemmeapplikationer, herunder kundeserviceagenter, AI-assistenter, salgsautomatisering, uddannelsesplatforme og interaktive stemmeoplevelser.

GPT-Realtime-2.1 benchmarkresultater

GPT-Realtime-2.1 fokuserer på praktiske målinger for interaktion i realtid:

Kapabilitet	Forbedring
Håndtering af stemmeafbrydelser	Forbedret
Robusthed over for støj	Forbedret
Alfanumerisk genkendelse	Forbedret
Værktøjsbaserede stemmeworkflows	Understøttet
Tale-til-tale-interaktion	Understøttet

Hovedfunktioner i GPT-Realtime-2.1

1. Native tale-til-tale-interaktion

GPT-Realtime-2.1 fjerner behovet for separate pipelines til talegenkendelse og tekst-til-tale.

Traditionel stemmearkitektur:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Dette reducerer latenstid og forbedrer samtaleflowet.

2. Forbedret kvalitet i stemmesamtaler

GPT-Realtime-2.1 forbedrer flere real-world-udfordringer i stemmesamtaler:

Bedre håndtering af afbrydelser

Brugere kan afbryde AI'en naturligt, mens den taler.

Eksempel:

Bruger:

"Bestil en flyrejse til—rettere, ændr det til Tokyo."

Modellen kan komme sig over samtaleskift uden at genstarte interaktionen.

Bedre håndtering af stilhed og støj

Modellen er optimeret til miljøer, hvor lydkvaliteten er uperfekt:

Callcentre
Mobile enheder
Offentlige rum
Smarte enheder

3. Avanceret værktøjsbrug til stemmeagenter

GPT-Realtime-2.1 understøtter værktøjskald, så stemmeagenter kan udføre handlinger.

Eksempler:

Kundeservice:

User:
"Where is my order?"

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

Virksomhedsworkflow:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Dette gør GPT-Realtime-2.1 velegnet til autonome stemmeagenter.

4. Konfigurerbar ræsonneringsevne

I modsætning til tidligere stemmemodeller i realtid, der primært er optimeret til hastighed, introducerer GPT-Realtime-2.1 konfigurerbar ræsonneringsindsats.

Udviklere kan afbalancere:

Svarlatenstid
Nøjagtighed
Opgavekompleksitet

Lav ræsonnering:

Enkle samtaler
FAQ-assistenter

Højere ræsonnering:

Komplekse kundeforespørgsler
Flertrins-workflows
Forretningsoperationer

5. Bedre genkendelse af tal og tekniske oplysninger

Stemmeagenter har ofte udfordringer med:

Kontonumre
Serienumre
Adresser
Produktkoder
Finansielle oplysninger

GPT-Realtime-2.1 forbedrer alfanumerisk genkendelse og er dermed bedre egnet til virksomhedssystemer for stemme.

6. Understøttelse af multimodalt input

GPT-Realtime-2.1 understøtter:

Input	Understøttelse
Tekst	✅
Lyd	✅
Billede	✅
Video	❌

Billedinput muliggør scenarier som:

Visuel kundesupport
Dokumentfortolkning
Kamerabaserede assistenter

GPT-Realtime-2.1 vs GPT-Realtime-2 vs GPT-4o Realtime

Model	Styrke	Bedste anvendelse
GPT-Realtime-2.1	Bedste ræsonnering i realtid + stemmeagentkapabilitet	Produktionsklare stemmeagenter
GPT-Realtime-2	Stærk stemmeræsonnering i realtid	Avancerede samtaleapps
GPT-4o Realtime	Hurtig multimodal interaktion	Generelle stemmeassistenter

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 forbedrer:

Genopretning efter afbrydelser i stemmen
Støjhåndtering
Genkendelsesnøjagtighed
Samtalerobusthed

Begge modeller deler:

Tale-til-tale-arkitektur
Værktøjskald
Understøttelse af ræsonnering
Adgang til Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 er positioneret til mere avancerede agent-workflows.

Sammenlignet med GPT-4o Realtime:

Kapabilitet	GPT-Realtime-2.1	GPT-4o Realtime
Ræsonnering	Stærkere	Generel
Kontekst	128K	32K
Værktøjsbrug	Understøttet	Understøttet
Stemmeagenter	Avanceret	Generel
Komplekse workflows	Bedre egnet	Egnet

Sådan bruger du GPT-Realtime-2.1 API med CometAPI

GPT-Realtime-2.1 er designet til stemmeagentapplikationer med lav latenstid. Den understøtter tale-til-tale-interaktion i realtid, lydinput/output, billedinput, konfigurerbar ræsonneringsindsats og funktionskald til værktøjsaktiverede stemmeworkflows. OpenAI eksponerer den via Realtime API, herunder WebRTC-, WebSocket- og SIP-baserede metoder til realtidskommunikation.

CometAPI leverer et samlet API-lag til integration af avancerede AI-modeller, så udviklere kan få adgang til workflows i stil med GPT-Realtime-2.1 uden at vedligeholde separat udbydergodkendelse, SDK-logik og infrastruktur.

Trin 1: Få din CometAPI API-nøgle

Opret en CometAPI-konto og generér et API-token i udviklerkonsollen.

Din API-anmodning skal indeholde:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

API-nøglen godkender dine anmodninger og gør det muligt for din applikation at kalde tilgængelige AI-modeller via CometAPI.

Trin 2: Opret en GPT-Realtime-2.1-session

GPT-Realtime-2.1 fungerer via en vedvarende realtime-session i stedet for traditionelle anmodning-svar chatfuldførelser.

En realtime-session opretholder:

Lydinputstrøm
Modellens svar
Samtaletilstand
Værktøjskald
Afbrydelser

OpenAI's Realtime API understøtter realtidskommunikation via WebRTC-, WebSocket- og SIP-grænseflader.

Eksempel:

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."
}
'

Eksempelsvar:

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

Trin 3: Send lydinput til GPT-Realtime-2.1

Når en session er oprettet, skal du streame brugerens lyd.

Eksempelflow:

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

Lydinput kan omfatte:

Telefonsamtaler
Stemmestyring
Kundesupportopkald
Interaktive assistenter

GPT-Realtime-2.1 forbedrer taleinteraktion med bedre stilhedsdetektion, støjhåndtering og afbrydelsesadfærd sammenlignet med tidligere modeller i realtid.

Trin 4: Modtag lydsvar i realtid

Modellen returnerer genererede lydsvar via realtime-forbindelsen.

Eksempelhændelse:

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

Din applikation kan afspille modtagne lydstumper med det samme.

Typiske implementeringer:

WebRTC-stemmeapplikationer
Browserbaserede assistenter
Mobile stemmeapps
AI-telefonagenter

Trin 5: Tilføj funktionskald for stemmeagenter

GPT-Realtime-2.1 understøtter funktionskald, så stemmeagenter kan udføre eksterne handlinger.

Eksempel:

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

Mulige stemmeagent-workflows:

"Hvor er min pakke?"
"Book et møde til i morgen."
"Annuller mit abonnement."
"Tjek min kontosaldo."

Modellen kan genkende forespørgslen, kalde det relevante værktøj og fortsætte samtalen naturligt.

Trin 6: Konfigurer ræsonnering og instruktioner

GPT-Realtime-2.1 understøtter konfigurerbar ræsonneringsindsats.

Eksempel:

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

Anbefalede indstillinger:

Anvendelse	Ræsonneringsniveau
Simple stemmekommandoer	Lav
Kundesupport	Mellem
Komplekse workflow-agenter	Høj

FAQ

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

GET/v1/realtime

Eksempelkode og API til GPT-Realtime-2.1

Få adgang til omfattende eksempelkode og API-ressourcer for GPT-Realtime-2.1 for at strømline din integrationsproces. Vores detaljerede dokumentation giver trin-for-trin vejledning, der hjælper dig med at udnytte det fulde potentiale af GPT-Realtime-2.1 i dine projekter.

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;
});

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-speech

Input og output

Input

text

Output

audio

Produktionsprofil

Udbyder: OpenAI
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug GPT-Realtime-2.1 til produktions-workflows, der matcher dens audio-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Generering af tale, musik og lyd

Stemmeoplevelser og medieproduktion

Automatiserede lyd-workflows i stor skala

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

ElevenLabs

Eleven V4

Eleven v4 er ElevenLabs' udtryksfulde talesyntesemodel, designet til at generere naturligt lydende tale med en følelsesrig fremføring, kontekstbevidsthed og høj grad af stemmekonsistens.

Se model

ElevenLabs

ElevenLabs Voice Dubbing

Udforsk ElevenLabs Voice Dubbing-API'et.

Se model

ElevenLabs

ElevenLabs Voice Isolation

Udforsk ElevenLabs Voice Isolation-API'et.

Se model

Bytedance

Seed Audio

Udforsk Seed Audio-API'et.

Se model

OpenAI

GPT-4o mini Realtime Preview

GPT-4o mini Realtime Preview er en multimodal model i realtid til interaktive tale- og visuelle oplevelser. Den håndterer tale, tekst og billeder med streaming-input og -output samt værktøjs-/funktionskald til forankrede handlinger. Typiske anvendelser omfatter stemmeassistenter, håndtering af liveopkald, realtidsundertekster og besvarelse af visuelle spørgsmål baseret på kamera- eller skærmindhold. Tekniske højdepunkter omfatter tovejslyd, visuel forståelse, streamede svar og struktureret output via funktioner.

Se model

OpenAI

GPT-4o mini Audio

GPT-4o mini Audio er en multimodal model til tale- og tekstinteraktioner. Den udfører talegenkendelse, oversættelse og tekst-til-tale, følger instruktioner og kan kalde værktøjer til strukturerede handlinger med streaming-svar. Typiske anvendelser omfatter stemmeassistenter i realtid, live-tekstning og oversættelse, opsummering af opkald og stemmestyrede applikationer. Tekniske højdepunkter omfatter lydinput og -output, streaming-svar, funktionskald og struktureret JSON-output.

Se model

Oppetid

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Oppetid

Anmodningssuccessrate over de seneste 30 dage, der afspejler pålideligheden hos hver modeludbyder. CometAPI overvåger alle tilsluttede udbydere i realtid, 24/7.

Respond

1873msAvg. Response

Uptime

83.0%Avg. Uptime

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Opdateringer

Følg væsentlige ændringer i tilgængelighed, priser og funktioner for GPT-Realtime-2.1 uden at miste den stabile modelside.

Modelændringslog

Én side, der bliver stærkere med tiden.

Udgivelsesnoter, prisændringer, benchmarkopdateringer og migreringsvejledning samles her, mens den kanoniske URL forbliver uændret.

Aug 7, 2026

API-tilgængelighed bekræftet

GPT-Realtime-2.1 er tilgængelig via CometAPI's modelkatalog og API-dokumentation.

Aktuel

Aktuelle data

Priser og begrænsninger synkroniseret fra kataloget

Pris, kontekst, tilgængelighed og begrænsninger behandles som dynamiske egenskaber i stedet for at være indlejret i sidens titel eller modellens identitet.

Aug 7, 2026

Permanent modelentitet oprettet

Udbyderen og model-sluggen udgør en permanent kanonisk URL; fremtidigt indhold og fremtidige dataopdateringer forbliver på denne side.

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

OpenAI

Tilgængelig

gpt-realtime-2.1

GPT-Realtime-2.1 API

Startpris

$3.20 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Aug 7, 2026

OpenAI

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første anmodning

$0.0224

Anslået omkostning for brug af CometAPI

Ti anmodninger

$0.2240

Anslået omkostning for brug af CometAPI

Femten anmodninger

$0.3360

Anslået omkostning for brug af CometAPI

⇌

Konvertering af kreditter

1.000 kreditter = $1

Kreditter gør budgetter sammenlignelige på tværs af fakturering efter tokens, anmodninger og kørselstid. USD-beløbet er fortsat det afgørende ved betaling.

✓Nuværende model i kreditter

Input

3,200

kreditter / 1 mio. tokens

Output

19,200

kreditter / 1 mio. tokens

Model	Comet-pris (USD / mio. tokens)	Officiel pris (USD / mio. tokens)	Rabat
gpt-realtime-2.1	Input: $3.20/M Output: $19.20/M	Input: $4.00/M Output: $24.00/M	-20%
gpt-realtime-2.1-mini	Input: $0.4800/M Output: $2.88/M	Input: $0.6000/M Output: $3.60/M	-20%

Modeloversigt

En stabil modelidentitet til søgning og evaluering kombineret med aktuelle katalogdata, der kan ændre sig uden at sidens grundlæggende SEO-struktur skal skrives om.

Stabil identitet

Hvad er GPT-Realtime-2.1?

Den kanoniske modelidentitet forbliver stabil, selv når priser og begrænsninger ændres.

Aktuelle modeldata

Aktuelt katalogsnapshot

Tilgængelighed

Tilgængelig

Startpris

$3.20 / 1 mio. input-tokens

Kontekst

Se funktioner

Katalogdato

Aug 7, 2026

Oversigt

Et praktisk overblik over GPT-Realtime-2.1, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for GPT-Realtime-2.1

Specifikation	Detaljer
Modelnavn	GPT-Realtime-2.1
Udbyder	OpenAI
Modelfamilie	GPT-Realtime-serien
Modeltype	Realtids multimodal stemmeresonneringsmodel
Primær funktion	Tale-til-tale AI-agenter
Inputmodaliteter	Tekst, Lyd, Billede
Outputmodaliteter	Tekst, Lyd
Kontekstvindue	128,000 tokens
Maksimalt antal output-tokens	32,000 tokens
Understøttelse af ræsonnering	Konfigurerbar ræsonneringsindsats
Funktionskald	Understøttet
Strukturerede output	Ikke understøttet
Finjustering	Ikke understøttet
Videoinput	Ikke understøttet
Primært API-endpoint	Realtime API
Vidensafskæring	September 30, 2024

Kilde: OpenAI GPT-Realtime-2.1 modeldokumentation.

Hvad er GPT-Realtime-2.1?

GPT-Realtime-2.1 er OpenAI's avancerede stemmemodel i realtid, designet til at bygge samtale-AI-agenter, der kan lytte, ræsonnere og svare naturligt via lyd.

Modellen er optimeret til produktionsklare stemmeapplikationer, herunder kundeserviceagenter, AI-assistenter, salgsautomatisering, uddannelsesplatforme og interaktive stemmeoplevelser.

GPT-Realtime-2.1 benchmarkresultater

GPT-Realtime-2.1 fokuserer på praktiske målinger for interaktion i realtid:

Kapabilitet	Forbedring
Håndtering af stemmeafbrydelser	Forbedret
Robusthed over for støj	Forbedret
Alfanumerisk genkendelse	Forbedret
Værktøjsbaserede stemmeworkflows	Understøttet
Tale-til-tale-interaktion	Understøttet

Hovedfunktioner i GPT-Realtime-2.1

1. Native tale-til-tale-interaktion

GPT-Realtime-2.1 fjerner behovet for separate pipelines til talegenkendelse og tekst-til-tale.

Traditionel stemmearkitektur:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Dette reducerer latenstid og forbedrer samtaleflowet.

2. Forbedret kvalitet i stemmesamtaler

GPT-Realtime-2.1 forbedrer flere real-world-udfordringer i stemmesamtaler:

Bedre håndtering af afbrydelser

Brugere kan afbryde AI'en naturligt, mens den taler.

Eksempel:

Bruger:

"Bestil en flyrejse til—rettere, ændr det til Tokyo."

Modellen kan komme sig over samtaleskift uden at genstarte interaktionen.

Bedre håndtering af stilhed og støj

Modellen er optimeret til miljøer, hvor lydkvaliteten er uperfekt:

Callcentre
Mobile enheder
Offentlige rum
Smarte enheder

3. Avanceret værktøjsbrug til stemmeagenter

GPT-Realtime-2.1 understøtter værktøjskald, så stemmeagenter kan udføre handlinger.

Eksempler:

Kundeservice:

User:
"Where is my order?"

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

Virksomhedsworkflow:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Dette gør GPT-Realtime-2.1 velegnet til autonome stemmeagenter.

4. Konfigurerbar ræsonneringsevne

I modsætning til tidligere stemmemodeller i realtid, der primært er optimeret til hastighed, introducerer GPT-Realtime-2.1 konfigurerbar ræsonneringsindsats.

Udviklere kan afbalancere:

Svarlatenstid
Nøjagtighed
Opgavekompleksitet

Lav ræsonnering:

Enkle samtaler
FAQ-assistenter

Højere ræsonnering:

Komplekse kundeforespørgsler
Flertrins-workflows
Forretningsoperationer

5. Bedre genkendelse af tal og tekniske oplysninger

Stemmeagenter har ofte udfordringer med:

Kontonumre
Serienumre
Adresser
Produktkoder
Finansielle oplysninger

GPT-Realtime-2.1 forbedrer alfanumerisk genkendelse og er dermed bedre egnet til virksomhedssystemer for stemme.

6. Understøttelse af multimodalt input

GPT-Realtime-2.1 understøtter:

Input	Understøttelse
Tekst	✅
Lyd	✅
Billede	✅
Video	❌

Billedinput muliggør scenarier som:

Visuel kundesupport
Dokumentfortolkning
Kamerabaserede assistenter

GPT-Realtime-2.1 vs GPT-Realtime-2 vs GPT-4o Realtime

Model	Styrke	Bedste anvendelse
GPT-Realtime-2.1	Bedste ræsonnering i realtid + stemmeagentkapabilitet	Produktionsklare stemmeagenter
GPT-Realtime-2	Stærk stemmeræsonnering i realtid	Avancerede samtaleapps
GPT-4o Realtime	Hurtig multimodal interaktion	Generelle stemmeassistenter

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 forbedrer:

Genopretning efter afbrydelser i stemmen
Støjhåndtering
Genkendelsesnøjagtighed
Samtalerobusthed

Begge modeller deler:

Tale-til-tale-arkitektur
Værktøjskald
Understøttelse af ræsonnering
Adgang til Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 er positioneret til mere avancerede agent-workflows.

Sammenlignet med GPT-4o Realtime:

Kapabilitet	GPT-Realtime-2.1	GPT-4o Realtime
Ræsonnering	Stærkere	Generel
Kontekst	128K	32K
Værktøjsbrug	Understøttet	Understøttet
Stemmeagenter	Avanceret	Generel
Komplekse workflows	Bedre egnet	Egnet

Sådan bruger du GPT-Realtime-2.1 API med CometAPI

Trin 1: Få din CometAPI API-nøgle

Opret en CometAPI-konto og generér et API-token i udviklerkonsollen.

Din API-anmodning skal indeholde:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

API-nøglen godkender dine anmodninger og gør det muligt for din applikation at kalde tilgængelige AI-modeller via CometAPI.

Trin 2: Opret en GPT-Realtime-2.1-session

GPT-Realtime-2.1 fungerer via en vedvarende realtime-session i stedet for traditionelle anmodning-svar chatfuldførelser.

En realtime-session opretholder:

Lydinputstrøm
Modellens svar
Samtaletilstand
Værktøjskald
Afbrydelser

OpenAI's Realtime API understøtter realtidskommunikation via WebRTC-, WebSocket- og SIP-grænseflader.

Eksempel:

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."
}
'

Eksempelsvar:

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

Trin 3: Send lydinput til GPT-Realtime-2.1

Når en session er oprettet, skal du streame brugerens lyd.

Eksempelflow:

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

Lydinput kan omfatte:

Telefonsamtaler
Stemmestyring
Kundesupportopkald
Interaktive assistenter

GPT-Realtime-2.1 forbedrer taleinteraktion med bedre stilhedsdetektion, støjhåndtering og afbrydelsesadfærd sammenlignet med tidligere modeller i realtid.

Trin 4: Modtag lydsvar i realtid

Modellen returnerer genererede lydsvar via realtime-forbindelsen.

Eksempelhændelse:

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

Din applikation kan afspille modtagne lydstumper med det samme.

Typiske implementeringer:

WebRTC-stemmeapplikationer
Browserbaserede assistenter
Mobile stemmeapps
AI-telefonagenter

Trin 5: Tilføj funktionskald for stemmeagenter

GPT-Realtime-2.1 understøtter funktionskald, så stemmeagenter kan udføre eksterne handlinger.

Eksempel:

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

Mulige stemmeagent-workflows:

"Hvor er min pakke?"
"Book et møde til i morgen."
"Annuller mit abonnement."
"Tjek min kontosaldo."

Modellen kan genkende forespørgslen, kalde det relevante værktøj og fortsætte samtalen naturligt.

Trin 6: Konfigurer ræsonnering og instruktioner

GPT-Realtime-2.1 understøtter konfigurerbar ræsonneringsindsats.

Eksempel:

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

Anbefalede indstillinger:

Anvendelse	Ræsonneringsniveau
Simple stemmekommandoer	Lav
Kundesupport	Mellem
Komplekse workflow-agenter	Høj

FAQ

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

GET/v1/realtime

Eksempelkode og API til 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;
});

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-speech

Input og output

Input

text

Output

audio

Produktionsprofil

Udbyder: OpenAI
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug GPT-Realtime-2.1 til produktions-workflows, der matcher dens audio-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Generering af tale, musik og lyd

Stemmeoplevelser og medieproduktion

Automatiserede lyd-workflows i stor skala

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

ElevenLabs

Eleven V4

Eleven v4 er ElevenLabs' udtryksfulde talesyntesemodel, designet til at generere naturligt lydende tale med en følelsesrig fremføring, kontekstbevidsthed og høj grad af stemmekonsistens.

Se model

ElevenLabs

ElevenLabs Voice Dubbing

Udforsk ElevenLabs Voice Dubbing-API'et.

Se model

ElevenLabs

ElevenLabs Voice Isolation

Udforsk ElevenLabs Voice Isolation-API'et.

Se model

Bytedance

Seed Audio

Udforsk Seed Audio-API'et.

Se model

OpenAI

GPT-4o mini Realtime Preview

Oppetid

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Oppetid

Anmodningssuccessrate over de seneste 30 dage, der afspejler pålideligheden hos hver modeludbyder. CometAPI overvåger alle tilsluttede udbydere i realtid, 24/7.

Respond

1873msAvg. Response

Uptime

83.0%Avg. Uptime

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Opdateringer

Følg væsentlige ændringer i tilgængelighed, priser og funktioner for GPT-Realtime-2.1 uden at miste den stabile modelside.

Modelændringslog

Én side, der bliver stærkere med tiden.

Udgivelsesnoter, prisændringer, benchmarkopdateringer og migreringsvejledning samles her, mens den kanoniske URL forbliver uændret.

Aug 7, 2026

API-tilgængelighed bekræftet

GPT-Realtime-2.1 er tilgængelig via CometAPI's modelkatalog og API-dokumentation.

Aktuel

Aktuelle data

Priser og begrænsninger synkroniseret fra kataloget

Pris, kontekst, tilgængelighed og begrænsninger behandles som dynamiske egenskaber i stedet for at være indlejret i sidens titel eller modellens identitet.

Aug 7, 2026

Permanent modelentitet oprettet

Udbyderen og model-sluggen udgør en permanent kanonisk URL; fremtidigt indhold og fremtidige dataopdateringer forbliver på denne side.

Bliv ved med at udforske