OpenAI

Tilgængelig

gpt-realtime-2

GPT-Realtime-2 API

Name: GPT-Realtime-2 API
Brand: CometAPI
SKU: gpt-realtime-2
Price: 4 USD
Availability: InStock

GPT-Realtime-2 er vores mest kapable realtids-talemodel. Den understøtter tale-til-tale-interaktioner med justerbar grad af ræsonnement, bedre efterlevelse af instruktioner og mere pålidelig brug af værktøjer til komplekse arbejdsgange for taleagenter.

Startpris

$3.20 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Jul 14, 2026

OpenAI

Oversigt

Et praktisk overblik over GPT-Realtime-2, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for GPT-Realtime-2

Specifikation	Detaljer
Udgivelse	7. maj 2026
API	Realtime API (GA)
Input	Lyd, tekst, billeder
Output	Lyd, tekst
Ræsonnering	GPT-5-niveau
Streaming	Ja
Fuld dupleks	Ja
Funktionskald	Ja
Multimodal	Ja
Afbrydelser	Understøttes
Lav latens	Ja
Enterprise-SLA	Ja
Klar til produktion	Ja

Hvad er GPT-Realtime-2

GPT-Realtime-2 repræsenterer et stort fremskridt inden for konversations-AI ved at gå ud over traditionelle tale-pipelines til en samlet, lyd-native arkitektur med GPT-5-niveau ræsonnering. Dens understøttelse af streaming-tale, multimodale input, funktionskald og udrulning på enterprise-niveau gør den velegnet til næste generation af stemmeagenter, kundesupport, sundhedsvæsen, uddannelse og intelligente assistenter.

Funktioner og højdepunkter for GPT-Realtime-2

1. GPT-5-niveau ræsonnering

I modsætning til tidligere realtime-modeller kan GPT-Realtime-2 løse:

flertrinsopgaver
ræsonneringstunge forespørgsler
planlægning
planlægning af tidsplaner
komplekse samtaler

i stedet for blot at generere flydende tale.

2. Ekstremt lav latens

Designet til:

telefonagenter
stemmeassistenter
kundeservice
AI-følgesvende

Opdateringen i juli 2026 reducerede p95-latens med mindst 25%.

3. Værktøjskald

Under en live-samtale kan modellen:

søge i databaser
tjekke lagerbeholdning
forespørge CRM-systemer
hente dokumenter
eksekvere API'er
kalde brugerdefinerede funktioner

uden at afslutte samtalen.

4. Naturlig tale

Modellen understøtter:

afbrydelser
naturlige pauser
samtalerytme
fyldeord
tidsfornemmelse med hensyn til følelser
dynamisk taletempo

så samtaler føles meget tættere på menneskelig dialog.

5. Multimodal forståelse

Input kan omfatte:

stemme
tekst
billeder

hvilket muliggør scenarier som:

"Se på dette billede, mens jeg forklarer problemet."

6. Pålidelighed i produktion

GA-udgaven af Realtime API tilføjer:

SLA-understøttelse
stabile SDK'er
produktionsendepunkter
enterprise-udrulning

og går ud over den tidligere betatjeneste.

Benchmark-ydelse for GPT-Realtime-2

OpenAI har understreget kvalitative forbedringer frem for at publicere en omfattende benchmarksuite for GPT-Realtime-2. Offentligt delte metrikker omfatter:

Metrik	GPT-Realtime-2
Tale-til-tale	Indbygget
GPT-5-niveau ræsonnering	Ja
Værktøjskald	Ja
Billedforståelse	Ja
Streaming	Ja
Produktions-SLA	Ja
Afbrydelser	Indbygget
p95-latensforbedring (v2.1)	≥25%

GPT-Realtime-2 vs. andre stemmemodeller

Funktion	GPT-Realtime-2	GPT-4o Realtime	Gemini Live	ElevenLabs Conversational AI
Lyd-native	✅	Delvist	Ja	Nej
GPT-5-niveau ræsonnering	✅	Nej	Nej	Nej
Funktionskald	✅	Begrænset	Begrænset	Nej
Billedinput	✅	Ja	Ja	Nej
Enterprise-API	✅	Beta	Ja	Ja
Streaming	✅	Ja	Ja	Ja
Fuld dupleks	✅	Delvist	Ja	Nej
Produktions-SLA	✅	Nej	Ja	N/A

GPT-Realtime-2 skiller sig ud ved at kombinere avanceret ræsonnering med taleinteraktion med lav latens i et API, der er klar til produktion.

Begrænsninger

Omkostningerne for lydtokens er højere end for ren tekstinferens.
Langvarige stemmesessioner kræver omhyggelig styring af båndbredde og latens.
Selvom vokale signaler genkendes, tyder uafhængig forskning på, at følelsesmæssig kontekst ikke altid afspejles konsekvent i efterfølgende beslutninger, så menneskelig kontrol er fortsat vigtig i følsomme anvendelser.

Sådan bruger du GPT-Realtime-2 API på CometAPI

CometAPI tilbyder en samlet API-gateway, der gør det muligt for udviklere at få adgang til flere AI-modeller—inklusive OpenAI-kompatible realtime-modeller—gennem en ensartet grænseflade (tilgængelighed afhænger af udbyderens understøttede katalog).

En typisk arbejdsgang er:

Trin 1: Opret en konto

Registrer dig på CometAPI-platformen og få en API-nøgle.

Trin 2: Konfigurer godkendelse

Medtag din API-nøgle i anmodningsheaderen:

Authorization: Bearer YOUR_API_KEY

Trin 3: Vælg modellen

Angiv identifikatoren for realtime-modellen (for eksempel det GPT-Realtime-2-modelnavn, der understøttes af din CometAPI-konto).

Trin 4: Etabler en realtime-session

Åbn en WebSocket eller realtime-forbindelse, der understøttes af API'et, for at streame lyd bidirektionelt.

Trin 5: Stream lyd

Send mikrofonlyd kontinuerligt, og modtag streamede taleresponser, hvilket muliggør samtaler med lav latens.

Trin 6: Aktiver avancerede funktioner

Afhængigt af CometAPIs implementering kan du konfigurere:

funktions-/værktøjskald
samtalehukommelse
billedinput
stemmeaktivitetsdetektion
håndtering af afbrydelser
ræsonneringsniveau (hvor understøttet)

Før implementering bør du konsultere CometAPIs aktuelle dokumentation for at verificere understøttede modelnavne, endepunkter, godkendelse og detaljer for realtime-protokollen, da disse kan udvikle sig uafhængigt af OpenAIs officielle API.

Priser

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

Første forespørgsel

$0.0224

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

$0.224

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

$0.336

Estimeret CometAPI-forbrugsomkostning

Priser for GPT-Realtime-2

Udforsk konkurrencedygtige priser for GPT-Realtime-2, designet til at passe til forskellige budgetter og brugsbehov. Vores fleksible planer sikrer, at du kun betaler for det, du bruger, hvilket gør det nemt at skalere, efterhånden som dine krav vokser. Opdag hvordan GPT-Realtime-2 kan forbedre dine projekter, mens omkostningerne holdes håndterbare.

Model	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
gpt-realtime-2	Indtast:$3.2/M Output:$19.2/M	Indtast:$4/M Output:$24/M	-20%
gpt-realtime-2.1	Indtast:$3.2/M Output:$19.2/M	Indtast:$4/M Output:$24/M	-20%
gpt-realtime-2.1-mini	Indtast:$0.48/M Output:$2.88/M	Indtast:$0.6/M Output:$3.6/M	-20%

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

Få adgang til omfattende eksempelkode og API-ressourcer for GPT-Realtime-2 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 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"

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"

Python Code Example

"""Send one text turn to gpt-realtime-2 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"
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 over the Realtime WebSocket API.
// Requires Node.js 22 or newer, which includes a global WebSocket client.

const model = "gpt-realtime-2";
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 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 →

OpenAI

gpt-audio-1.5

Den bedste stemmemodel til lyd ind, lyd ud med Chat Completions.

Se model

OpenAI

GPT-Realtime-2.1

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.

Se model

OpenAI

gpt-realtime-1.5

Den bedste stemmemodel til lyd ind, lyd ud.

Se model

OpenAI

TTS

OpenAI tekst-til-tale

Se model

OpenAI

Whisper-1

Tale til tekst, oprettelse af oversættelser

Se model

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe er en lyd-til-tekst-model til flersproget talegenkendelse med lav latenstid. Den understøtter realtidsstreaming og batch-transskription fra almindelige lydformater med tegnsætning og sætningssegmentering. Typiske anvendelser omfatter live-undertekster, input til stemmeassistenter, mødereferater samt transskription af medie- eller opkaldsoptagelser. Tekniske højdepunkter omfatter understøttelse af lydmodalitet, behandling af lange optagelser og API’er, der er velegnede til interaktive og server-side arbejdsgange.

Se model

Uptime

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

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

gpt-realtime-2

gpt-realtime-2.1

gpt-realtime-2.1-mini

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

OpenAI

Tilgængelig

gpt-realtime-2

GPT-Realtime-2 API

Startpris

$3.20 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Jul 14, 2026

OpenAI

Oversigt

Et praktisk overblik over GPT-Realtime-2, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for GPT-Realtime-2

Specifikation	Detaljer
Udgivelse	7. maj 2026
API	Realtime API (GA)
Input	Lyd, tekst, billeder
Output	Lyd, tekst
Ræsonnering	GPT-5-niveau
Streaming	Ja
Fuld dupleks	Ja
Funktionskald	Ja
Multimodal	Ja
Afbrydelser	Understøttes
Lav latens	Ja
Enterprise-SLA	Ja
Klar til produktion	Ja

Hvad er GPT-Realtime-2

Funktioner og højdepunkter for GPT-Realtime-2

1. GPT-5-niveau ræsonnering

I modsætning til tidligere realtime-modeller kan GPT-Realtime-2 løse:

flertrinsopgaver
ræsonneringstunge forespørgsler
planlægning
planlægning af tidsplaner
komplekse samtaler

i stedet for blot at generere flydende tale.

2. Ekstremt lav latens

Designet til:

telefonagenter
stemmeassistenter
kundeservice
AI-følgesvende

Opdateringen i juli 2026 reducerede p95-latens med mindst 25%.

3. Værktøjskald

Under en live-samtale kan modellen:

søge i databaser
tjekke lagerbeholdning
forespørge CRM-systemer
hente dokumenter
eksekvere API'er
kalde brugerdefinerede funktioner

uden at afslutte samtalen.

4. Naturlig tale

Modellen understøtter:

afbrydelser
naturlige pauser
samtalerytme
fyldeord
tidsfornemmelse med hensyn til følelser
dynamisk taletempo

så samtaler føles meget tættere på menneskelig dialog.

5. Multimodal forståelse

Input kan omfatte:

stemme
tekst
billeder

hvilket muliggør scenarier som:

"Se på dette billede, mens jeg forklarer problemet."

6. Pålidelighed i produktion

GA-udgaven af Realtime API tilføjer:

SLA-understøttelse
stabile SDK'er
produktionsendepunkter
enterprise-udrulning

og går ud over den tidligere betatjeneste.

Benchmark-ydelse for GPT-Realtime-2

OpenAI har understreget kvalitative forbedringer frem for at publicere en omfattende benchmarksuite for GPT-Realtime-2. Offentligt delte metrikker omfatter:

Metrik	GPT-Realtime-2
Tale-til-tale	Indbygget
GPT-5-niveau ræsonnering	Ja
Værktøjskald	Ja
Billedforståelse	Ja
Streaming	Ja
Produktions-SLA	Ja
Afbrydelser	Indbygget
p95-latensforbedring (v2.1)	≥25%

GPT-Realtime-2 vs. andre stemmemodeller

Funktion	GPT-Realtime-2	GPT-4o Realtime	Gemini Live	ElevenLabs Conversational AI
Lyd-native	✅	Delvist	Ja	Nej
GPT-5-niveau ræsonnering	✅	Nej	Nej	Nej
Funktionskald	✅	Begrænset	Begrænset	Nej
Billedinput	✅	Ja	Ja	Nej
Enterprise-API	✅	Beta	Ja	Ja
Streaming	✅	Ja	Ja	Ja
Fuld dupleks	✅	Delvist	Ja	Nej
Produktions-SLA	✅	Nej	Ja	N/A

GPT-Realtime-2 skiller sig ud ved at kombinere avanceret ræsonnering med taleinteraktion med lav latens i et API, der er klar til produktion.

Begrænsninger

Omkostningerne for lydtokens er højere end for ren tekstinferens.
Langvarige stemmesessioner kræver omhyggelig styring af båndbredde og latens.
Selvom vokale signaler genkendes, tyder uafhængig forskning på, at følelsesmæssig kontekst ikke altid afspejles konsekvent i efterfølgende beslutninger, så menneskelig kontrol er fortsat vigtig i følsomme anvendelser.

Sådan bruger du GPT-Realtime-2 API på CometAPI

En typisk arbejdsgang er:

Trin 1: Opret en konto

Registrer dig på CometAPI-platformen og få en API-nøgle.

Trin 2: Konfigurer godkendelse

Medtag din API-nøgle i anmodningsheaderen:

Authorization: Bearer YOUR_API_KEY

Trin 3: Vælg modellen

Angiv identifikatoren for realtime-modellen (for eksempel det GPT-Realtime-2-modelnavn, der understøttes af din CometAPI-konto).

Trin 4: Etabler en realtime-session

Åbn en WebSocket eller realtime-forbindelse, der understøttes af API'et, for at streame lyd bidirektionelt.

Trin 5: Stream lyd

Send mikrofonlyd kontinuerligt, og modtag streamede taleresponser, hvilket muliggør samtaler med lav latens.

Trin 6: Aktiver avancerede funktioner

Afhængigt af CometAPIs implementering kan du konfigurere:

funktions-/værktøjskald
samtalehukommelse
billedinput
stemmeaktivitetsdetektion
håndtering af afbrydelser
ræsonneringsniveau (hvor understøttet)

Priser

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

Første forespørgsel

$0.0224

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

$0.224

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

$0.336

Estimeret CometAPI-forbrugsomkostning

Priser for GPT-Realtime-2

Model	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
gpt-realtime-2	Indtast:$3.2/M Output:$19.2/M	Indtast:$4/M Output:$24/M	-20%
gpt-realtime-2.1	Indtast:$3.2/M Output:$19.2/M	Indtast:$4/M Output:$24/M	-20%
gpt-realtime-2.1-mini	Indtast:$0.48/M Output:$2.88/M	Indtast:$0.6/M Output:$3.6/M	-20%

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

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"

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"

Python Code Example

"""Send one text turn to gpt-realtime-2 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"
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 over the Realtime WebSocket API.
// Requires Node.js 22 or newer, which includes a global WebSocket client.

const model = "gpt-realtime-2";
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 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 →

OpenAI

gpt-audio-1.5

Den bedste stemmemodel til lyd ind, lyd ud med Chat Completions.

Den bedste stemmemodel til lyd ind, lyd ud.

Se model

OpenAI

TTS

OpenAI tekst-til-tale

Se model

OpenAI

Whisper-1

Tale til tekst, oprettelse af oversættelser

Uptime

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

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

gpt-realtime-2

gpt-realtime-2.1

gpt-realtime-2.1-mini

Bliv ved med at udforske