Quels secteurs peuvent utiliser l'API GPT-Realtime-2.1 ?

GPT-Realtime-2.1 convient au service client, à l'automatisation des ventes, aux assistants pour les soins de santé, aux plateformes éducatives et aux applications pour appareils intelligents.

GPT-Realtime-2.1 prend-il en charge les appels de fonctions ?

Oui. GPT-Realtime-2.1 prend en charge l'utilisation d'outils et les appels de fonctions, permettant aux agents vocaux d'exécuter des actions externes pendant les conversations.

Quelle est la taille de la fenêtre de contexte de GPT-Realtime-2.1 ?

GPT-Realtime-2.1 prend en charge une fenêtre de contexte de 128,000 jetons et jusqu'à 32,000 jetons de sortie.

L'API GPT-Realtime-2.1 peut-elle créer des assistants vocaux en temps réel ?

Oui. GPT-Realtime-2.1 est conçu pour les applications de voix à voix et permet aux développeurs de créer des agents vocaux conversationnels à faible latence.

Quelles modalités d'entrée et de sortie GPT-Realtime-2.1 prend-il en charge ?

GPT-Realtime-2.1 prend en charge l'entrée/sortie texte et audio ainsi que l'entrée d'image, mais il ne prend pas en charge l'entrée vidéo.

Quelles améliorations GPT-Realtime-2.1 apporte-t-il par rapport à GPT-Realtime-2 ?

GPT-Realtime-2.1 améliore la reconnaissance alphanumérique, la gestion des silences, la robustesse au bruit et le comportement en cas d'interruption, tout en conservant les capacités de raisonnement en temps réel et d'utilisation d'outils.

Quand les développeurs devraient-ils choisir GPT-Realtime-2.1 plutôt que l'API GPT-4o Realtime ?

Les développeurs devraient choisir GPT-Realtime-2.1 pour des agents vocaux avancés nécessitant un raisonnement plus puissant, l'exécution d'outils et des flux de conversation complexes.

OpenAI

Disponible Populaire

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.

Prix de départ

$3.20 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Disponible

Point de terminaison de production

Réponse

Prêt pour l'asynchrone

Temps de réponse API observé

Date de publication

Aug 6, 2026

OpenAI

Tarification

Utilisez l'estimation rapide ci-dessus pour une seule exécution, puis consultez la comparaison complète entre CometAPI et le prix officiel.

Première requête

$0.0224

Coût d'utilisation estimé de CometAPI

Dix requêtes

$0.2240

Coût d'utilisation estimé de CometAPI

Quinze requêtes

$0.3360

Coût d'utilisation estimé de CometAPI

⇌

Conversion des crédits

1 000 crédits = 1 $

Les crédits rendent les budgets comparables entre la facturation au token, à la requête et au temps d'exécution. Le montant en USD reste la référence lors du paiement.

✓Modèle actuel en crédits

Entrée

3,200

crédits / 1 M de tokens

Sortie

19,200

crédits / 1 M de tokens

Transparence sur les frais minimums Ce prototype ne suppose pas de minimum caché par requête. Si un seuil de facturation en production ou un rechargement minimum s'applique, il doit être affiché avant l'achat et inclus dans chaque estimation budgétaire.

Modèle	Prix Comet (USD / M de tokens)	Prix officiel (USD / M de tokens)	Remise
gpt-realtime-2.1	Entrée: $3.20/M Sortie: $19.20/M	Entrée: $4.00/M Sortie: $24.00/M	-20%
gpt-realtime-2.1-mini	Entrée: $0.4800/M Sortie: $2.88/M	Entrée: $0.6000/M Sortie: $3.60/M	-20%

Présentation du modèle

Une identité de modèle stable pour la recherche et l'évaluation, associée à des données de catalogue actualisées qui peuvent évoluer sans réécrire la structure SEO principale de la page.

Identité stable

Qu'est-ce que GPT-Realtime-2.1 ?

L'identité canonique du modèle reste stable tandis que les tarifs et les limites évoluent.

Données actualisées du modèle

Instantané actuel du catalogue

Disponibilité

Disponible

Prix de départ

$3.20 / 1M de tokens en entrée

Contexte

Voir les capacités

Date du catalogue

Aug 6, 2026

Aperçu

Un aperçu pratique de GPT-Realtime-2.1, avec les comportements importants et les points d'attention pour l'intégration.

Spécifications techniques de GPT-Realtime-2.1

Spécification	Détails
Nom du modèle	GPT-Realtime-2.1
Fournisseur	OpenAI
Famille de modèles	Série GPT-Realtime
Type de modèle	Modèle de raisonnement vocal multimodal en temps réel
Capacité principale	Agents d’IA voix-à-voix
Modalités d’entrée	Texte, Audio, Image
Modalités de sortie	Texte, Audio
Fenêtre de contexte	128,000 tokens
Nombre maximal de tokens de sortie	32,000 tokens
Prise en charge du raisonnement	Effort de raisonnement configurable
Appels de fonctions	Pris en charge
Sorties structurées	Non prises en charge
Ajustement fin	Non pris en charge
Entrée vidéo	Non prise en charge
Point de terminaison API principal	Realtime API
Date de coupure des connaissances	30 septembre 2024

Source : documentation du modèle OpenAI GPT-Realtime-2.1.

Qu’est-ce que GPT-Realtime-2.1 ?

GPT-Realtime-2.1 est le modèle vocal temps réel avancé d’OpenAI, conçu pour créer des agents conversationnels capables d’écouter, de raisonner et de répondre naturellement par l’audio.

Comparé aux assistants vocaux traditionnels qui s’appuient sur des chaînes distinctes de reconnaissance vocale, de compréhension du langage et de synthèse vocale, GPT-Realtime-2.1 offre une interaction native voix-à-voix, permettant des conversations à plus faible latence avec une meilleure gestion des interruptions et une compréhension contextuelle renforcée.

Le modèle est optimisé pour des applications vocales en production, notamment les agents de service client, les assistants IA, l’automatisation des ventes, les plateformes éducatives et les expériences vocales interactives.

Performances de référence de GPT-Realtime-2.1

Les améliorations de GPT-Realtime-2.1 se concentrent sur des métriques pratiques d’interaction en temps réel :

Capacité	Amélioration
Gestion des interruptions vocales	Amélioré
Robustesse au bruit	Amélioré
Reconnaissance alphanumérique	Amélioré
Flux de travail vocaux basés sur des outils	Pris en charge
Interaction voix-à-voix	Pris en charge

Principales fonctionnalités de GPT-Realtime-2.1

1. Interaction native voix-à-voix

GPT-Realtime-2.1 supprime le besoin de chaînes distinctes de reconnaissance vocale et de synthèse vocale.

Architecture vocale traditionnelle :

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

GPT-Realtime-2.1 :

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Cela réduit la latence et améliore la fluidité de la conversation.

2. Qualité de conversation vocale améliorée

GPT-Realtime-2.1 améliore plusieurs défis vocaux du monde réel :

Meilleure gestion des interruptions

Les utilisateurs peuvent interrompre l’IA naturellement pendant qu’elle parle.

Exemple :

Utilisateur :

"Réservez-moi un vol pour — en fait, changez pour Tokyo."

Le modèle peut se remettre des changements de conversation sans redémarrer l’interaction.

Meilleure gestion des silences et du bruit

Le modèle est optimisé pour des environnements où la qualité audio est imparfaite :

Centres d’appels
Appareils mobiles
Espaces publics
Appareils intelligents

3. Utilisation avancée d’outils par des agents vocaux

GPT-Realtime-2.1 prend en charge l’appel d’outils, permettant aux agents vocaux d’effectuer des actions.

Exemples :

Service client :

User:
"Where is my order?"

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

Flux de travail d’entreprise :

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Cela rend GPT-Realtime-2.1 adapté aux agents vocaux autonomes.

4. Capacité de raisonnement configurable

Contrairement aux modèles vocaux temps réel précédents principalement optimisés pour la vitesse, GPT-Realtime-2.1 introduit un effort de raisonnement configurable.

Les développeurs peuvent équilibrer :

Latence de réponse
Précision
Complexité des tâches

Raisonnement faible :

Conversations simples
Assistants FAQ

Raisonnement plus poussé :

Demandes client complexes
Flux de travail multi‑étapes
Opérations métier

5. Meilleure reconnaissance des nombres et des informations techniques

Les agents vocaux ont souvent des difficultés avec :

Numéros de compte
Numéros de série
Adresses
Codes produit
Informations financières

GPT-Realtime-2.1 améliore la reconnaissance alphanumérique, le rendant plus adapté aux systèmes vocaux d’entreprise.

6. Prise en charge d’entrées multimodales

GPT-Realtime-2.1 prend en charge :

Entrée	Prise en charge
Texte	✅
Audio	✅
Image	✅
Vidéo	❌

L’entrée d’image permet des scénarios tels que :

Assistance client visuelle
Interprétation de documents
Assistants basés sur la caméra

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

Modèle	Atout	Meilleur usage
GPT-Realtime-2.1	Meilleur raisonnement temps réel + capacités d’agent vocal	Agents vocaux en production
GPT-Realtime-2	Raisonnement vocal temps réel performant	Applications conversationnelles avancées
GPT-4o Realtime	Interaction multimodale rapide	Assistants vocaux généraux

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 améliore :

Récupération après interruption
Gestion du bruit
Précision de reconnaissance
Robustesse conversationnelle

Les deux modèles partagent :

Architecture voix-à-voix
Appel d’outils
Prise en charge du raisonnement
Accès à l’API Realtime

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 est positionné pour des flux d’agent plus avancés.

Comparé à GPT-4o Realtime :

Capacité	GPT-Realtime-2.1	GPT-4o Realtime
Raisonnement	Plus puissant	Général
Contexte	128K	32K
Utilisation d’outils	Pris en charge	Pris en charge
Agents vocaux	Avancé	Général
Flux de travail complexes	Mieux adapté	Adapté

Comment utiliser l’API GPT-Realtime-2.1 avec CometAPI

GPT-Realtime-2.1 est conçu pour des applications d’agents vocaux à faible latence. Il prend en charge l’interaction voix‑à‑voix en temps réel, l’entrée/sortie audio, l’entrée image, un effort de raisonnement configurable et l’appel de fonctions pour des flux vocaux outillés. OpenAI l’expose via la Realtime API, incluant des méthodes de communication temps réel basées sur WebRTC, WebSocket et SIP.

CometAPI fournit une couche d’API unifiée pour intégrer des modèles d’IA avancés, permettant aux développeurs d’accéder à des flux de travail de type GPT-Realtime-2.1 sans gérer des authentifications fournisseur séparées, la logique SDK et l’infrastructure.

Étape 1 : Obtenez votre clé API CometAPI

Créez un compte CometAPI et générez un jeton API depuis la console développeur.

Votre requête API doit inclure :

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

La clé API authentifie vos requêtes et permet à votre application d’appeler les modèles d’IA disponibles via CometAPI.

Étape 2 : Créez une session GPT-Realtime-2.1

GPT-Realtime-2.1 fonctionne via une session temps réel persistante plutôt qu’un échange de type requête‑réponse classique.

Une session temps réel maintient :

Flux d’entrée audio
Réponses du modèle
État de la conversation
Appels d’outils
Interruptions

L’API Realtime d’OpenAI prend en charge la communication en temps réel via les interfaces WebRTC, WebSocket et SIP.

Exemple :

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."
}
'

Exemple de réponse :

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

Étape 3 : Envoyez une entrée audio à GPT-Realtime-2.1

Après avoir créé une session, diffusez l’audio de l’utilisateur en streaming.

Exemple de flux de travail :

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

L’entrée audio peut inclure :

Conversations téléphoniques
Commandes vocales
Appels de support client
Assistants interactifs

GPT-Realtime-2.1 améliore l’interaction vocale grâce à une meilleure détection des silences, une meilleure gestion du bruit et un comportement d’interruption amélioré par rapport aux modèles temps réel précédents.

Étape 4 : Recevez des réponses audio en temps réel

Le modèle renvoie des réponses audio générées via la connexion temps réel.

Événement d’exemple :

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

Votre application peut lire immédiatement les fragments audio reçus.

Implémentations typiques :

Applications vocales WebRTC
Assistants dans le navigateur
Applications vocales mobiles
Agents téléphoniques IA

Étape 5 : Ajoutez l’appel de fonctions pour les agents vocaux

GPT-Realtime-2.1 prend en charge l’appel de fonctions, permettant aux agents vocaux d’exécuter des actions externes.

Exemple :

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

Flux de travail possibles pour agents vocaux :

"Où est mon colis ?"
"Réservez-moi une réunion pour demain."
"Annulez mon abonnement."
"Consultez le solde de mon compte."

Le modèle peut reconnaître la demande, appeler l’outil approprié et poursuivre la conversation naturellement.

Étape 6 : Configurez le raisonnement et les instructions

GPT-Realtime-2.1 prend en charge un effort de raisonnement configurable.

Exemple :

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

Paramètres recommandés :

Application	Niveau de raisonnement
Commandes vocales simples	Faible
Service client	Moyen
Agents pour flux de travail complexes	Élevé

FAQ

API

Copiez un point de terminaison et un exemple de code fonctionnels, puis ouvrez la référence API complète si vous avez besoin de tous les paramètres.

Une API, un accès aux modèles prêt pour la production

Authentifiez-vous une seule fois, appelez le point de terminaison du modèle et conservez le même workflow de facturation et d'observabilité entre les fournisseurs.

GET/v1/realtime

Exemple de code et API pour GPT-Realtime-2.1

Accédez à des exemples de code complets et aux ressources API pour GPT-Realtime-2.1 afin de simplifier votre processus d'intégration. Notre documentation détaillée fournit des instructions étape par étape pour vous aider à exploiter tout le potentiel de GPT-Realtime-2.1 dans vos projets.

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;
});

Capacités

Passez en revue les informations clés du modèle avant de choisir une architecture ou d'estimer la charge en production.

Fonctionnalités prises en charge

Fonctionnalités renvoyées par l'API du modèle existante.

text-to-speech

Entrée et sortie

Entrées

text

Sorties

audio

Profil de production

Fournisseur: OpenAI
Contexte: Selon le modèle
Usage commercial: Pris en charge

Cas d'usage

Utilisez GPT-Realtime-2.1 pour des workflows de production adaptés à ses capacités audio, puis comparez d'autres options avant un engagement à long terme.

Génération de voix, musique et audio

Expériences vocales et production média

Workflows audio automatisés à grande échelle

Autres modèles

Comparez d'autres modèles disponibles via CometAPI selon des compromis de qualité, latence, fonctionnalités et prix.

Ouvrir la comparaison de modèles →

OpenAI

GPT-Realtime-2

GPT-Realtime-2 est notre modèle vocal en temps réel le plus performant. Il prend en charge des interactions voix à voix avec un niveau d'effort de raisonnement configurable, un meilleur suivi des instructions et une utilisation plus fiable des outils pour des flux de travail d'agents vocaux complexes.

Voir le modèle

OpenAI

gpt-realtime-1.5

Le meilleur modèle vocal pour audio en entrée, audio en sortie.

Voir le modèle

OpenAI

TTS

OpenAI Text-to-Speech

Voir le modèle

OpenAI

Whisper-1

Conversion de la parole en texte, création de traductions

Voir le modèle

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe est un modèle de transcription audio en texte pour une reconnaissance vocale multilingue à faible latence. Il prend en charge le streaming en temps réel et la transcription par lots à partir de formats audio courants, avec ponctuation et segmentation des phrases. Les cas d’usage typiques incluent les sous-titres en direct, la saisie pour assistants vocaux, la prise de notes de réunion, et la transcription de médias ou d’enregistrements d’appels. Les points forts techniques incluent la prise en charge de la modalité audio, le traitement de contenus longs, et des API adaptées aux flux de travail interactifs et côté serveur.

Voir le modèle

OpenAI

GPT-4o mini Realtime Preview

GPT-4o mini Realtime Preview est un modèle multimodal en temps réel pour des expériences vocales et visuelles interactives. Il prend en charge la parole, le texte et les images avec des entrées et des sorties en streaming, ainsi que l’appel d’outils/de fonctions pour des actions ancrées. Les cas d’usage typiques incluent les assistants vocaux, la gestion d’appels en direct, le sous-titrage en temps réel et le question-réponse visuel sur le contenu de la caméra ou de l’écran. Les points forts techniques incluent l’audio bidirectionnel, la compréhension visuelle, des réponses en streaming et des sorties structurées via des fonctions.

Voir le modèle

Disponibilité

Consultez les données de heartbeat en direct, la disponibilité des points de terminaison et les temps de réponse observés avant la mise en production.

Versions

Consultez les identifiants de modèles disponibles avant de figer une intégration en production.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Mises à jour

Suivez les évolutions importantes de la disponibilité, des tarifs et des capacités de GPT-Realtime-2.1 tout en conservant la stabilité de la page du modèle.

Journal des modifications du modèle

Une page qui gagne en valeur au fil du temps.

Les notes de version, les changements de tarifs, les mises à jour des benchmarks et les conseils de migration s'accumulent ici, tandis que l'URL canonique reste inchangée.

Aug 6, 2026

Disponibilité de l’API confirmée

GPT-Realtime-2.1 est disponible via le catalogue de modèles et la documentation de l’API CometAPI.

Actuel

Données actualisées

Tarification et limites synchronisées depuis le catalogue

Le prix, le contexte, la disponibilité et les limites sont considérés comme des propriétés dynamiques au lieu d’être intégrés au titre de la page ou à l’identité du modèle.

Aug 7, 2026

Entité de modèle permanente créée

Le fournisseur et le slug du modèle forment une URL canonique durable ; les futures mises à jour du contenu et des données resteront sur cette page.

Continuez à explorer

Comparez des modèles et poursuivez vos recherches

OpenAI

Disponible Populaire

gpt-realtime-2.1

GPT-Realtime-2.1 API

Prix de départ

$3.20 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Disponible

Point de terminaison de production

Réponse

Prêt pour l'asynchrone

Temps de réponse API observé

Date de publication

Aug 6, 2026

OpenAI

Tarification

Utilisez l'estimation rapide ci-dessus pour une seule exécution, puis consultez la comparaison complète entre CometAPI et le prix officiel.

Première requête

$0.0224

Coût d'utilisation estimé de CometAPI

Dix requêtes

$0.2240

Coût d'utilisation estimé de CometAPI

Quinze requêtes

$0.3360

Coût d'utilisation estimé de CometAPI

⇌

Conversion des crédits

1 000 crédits = 1 $

Les crédits rendent les budgets comparables entre la facturation au token, à la requête et au temps d'exécution. Le montant en USD reste la référence lors du paiement.

✓Modèle actuel en crédits

Entrée

3,200

crédits / 1 M de tokens

Sortie

19,200

crédits / 1 M de tokens

Modèle	Prix Comet (USD / M de tokens)	Prix officiel (USD / M de tokens)	Remise
gpt-realtime-2.1	Entrée: $3.20/M Sortie: $19.20/M	Entrée: $4.00/M Sortie: $24.00/M	-20%
gpt-realtime-2.1-mini	Entrée: $0.4800/M Sortie: $2.88/M	Entrée: $0.6000/M Sortie: $3.60/M	-20%

Présentation du modèle

Une identité de modèle stable pour la recherche et l'évaluation, associée à des données de catalogue actualisées qui peuvent évoluer sans réécrire la structure SEO principale de la page.

Identité stable

Qu'est-ce que GPT-Realtime-2.1 ?

L'identité canonique du modèle reste stable tandis que les tarifs et les limites évoluent.

Données actualisées du modèle

Instantané actuel du catalogue

Disponibilité

Disponible

Prix de départ

$3.20 / 1M de tokens en entrée

Contexte

Voir les capacités

Date du catalogue

Aug 6, 2026

Aperçu

Un aperçu pratique de GPT-Realtime-2.1, avec les comportements importants et les points d'attention pour l'intégration.

Spécifications techniques de GPT-Realtime-2.1

Spécification	Détails
Nom du modèle	GPT-Realtime-2.1
Fournisseur	OpenAI
Famille de modèles	Série GPT-Realtime
Type de modèle	Modèle de raisonnement vocal multimodal en temps réel
Capacité principale	Agents d’IA voix-à-voix
Modalités d’entrée	Texte, Audio, Image
Modalités de sortie	Texte, Audio
Fenêtre de contexte	128,000 tokens
Nombre maximal de tokens de sortie	32,000 tokens
Prise en charge du raisonnement	Effort de raisonnement configurable
Appels de fonctions	Pris en charge
Sorties structurées	Non prises en charge
Ajustement fin	Non pris en charge
Entrée vidéo	Non prise en charge
Point de terminaison API principal	Realtime API
Date de coupure des connaissances	30 septembre 2024

Source : documentation du modèle OpenAI GPT-Realtime-2.1.

Qu’est-ce que GPT-Realtime-2.1 ?

GPT-Realtime-2.1 est le modèle vocal temps réel avancé d’OpenAI, conçu pour créer des agents conversationnels capables d’écouter, de raisonner et de répondre naturellement par l’audio.

Performances de référence de GPT-Realtime-2.1

Les améliorations de GPT-Realtime-2.1 se concentrent sur des métriques pratiques d’interaction en temps réel :

Capacité	Amélioration
Gestion des interruptions vocales	Amélioré
Robustesse au bruit	Amélioré
Reconnaissance alphanumérique	Amélioré
Flux de travail vocaux basés sur des outils	Pris en charge
Interaction voix-à-voix	Pris en charge

Principales fonctionnalités de GPT-Realtime-2.1

1. Interaction native voix-à-voix

GPT-Realtime-2.1 supprime le besoin de chaînes distinctes de reconnaissance vocale et de synthèse vocale.

Architecture vocale traditionnelle :

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

GPT-Realtime-2.1 :

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Cela réduit la latence et améliore la fluidité de la conversation.

2. Qualité de conversation vocale améliorée

GPT-Realtime-2.1 améliore plusieurs défis vocaux du monde réel :

Meilleure gestion des interruptions

Les utilisateurs peuvent interrompre l’IA naturellement pendant qu’elle parle.

Exemple :

Utilisateur :

"Réservez-moi un vol pour — en fait, changez pour Tokyo."

Le modèle peut se remettre des changements de conversation sans redémarrer l’interaction.

Meilleure gestion des silences et du bruit

Le modèle est optimisé pour des environnements où la qualité audio est imparfaite :

Centres d’appels
Appareils mobiles
Espaces publics
Appareils intelligents

3. Utilisation avancée d’outils par des agents vocaux

GPT-Realtime-2.1 prend en charge l’appel d’outils, permettant aux agents vocaux d’effectuer des actions.

Exemples :

Service client :

User:
"Where is my order?"

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

Flux de travail d’entreprise :

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Cela rend GPT-Realtime-2.1 adapté aux agents vocaux autonomes.

4. Capacité de raisonnement configurable

Contrairement aux modèles vocaux temps réel précédents principalement optimisés pour la vitesse, GPT-Realtime-2.1 introduit un effort de raisonnement configurable.

Les développeurs peuvent équilibrer :

Latence de réponse
Précision
Complexité des tâches

Raisonnement faible :

Conversations simples
Assistants FAQ

Raisonnement plus poussé :

Demandes client complexes
Flux de travail multi‑étapes
Opérations métier

5. Meilleure reconnaissance des nombres et des informations techniques

Les agents vocaux ont souvent des difficultés avec :

Numéros de compte
Numéros de série
Adresses
Codes produit
Informations financières

GPT-Realtime-2.1 améliore la reconnaissance alphanumérique, le rendant plus adapté aux systèmes vocaux d’entreprise.

6. Prise en charge d’entrées multimodales

GPT-Realtime-2.1 prend en charge :

Entrée	Prise en charge
Texte	✅
Audio	✅
Image	✅
Vidéo	❌

L’entrée d’image permet des scénarios tels que :

Assistance client visuelle
Interprétation de documents
Assistants basés sur la caméra

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

Modèle	Atout	Meilleur usage
GPT-Realtime-2.1	Meilleur raisonnement temps réel + capacités d’agent vocal	Agents vocaux en production
GPT-Realtime-2	Raisonnement vocal temps réel performant	Applications conversationnelles avancées
GPT-4o Realtime	Interaction multimodale rapide	Assistants vocaux généraux

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 améliore :

Récupération après interruption
Gestion du bruit
Précision de reconnaissance
Robustesse conversationnelle

Les deux modèles partagent :

Architecture voix-à-voix
Appel d’outils
Prise en charge du raisonnement
Accès à l’API Realtime

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 est positionné pour des flux d’agent plus avancés.

Comparé à GPT-4o Realtime :

Capacité	GPT-Realtime-2.1	GPT-4o Realtime
Raisonnement	Plus puissant	Général
Contexte	128K	32K
Utilisation d’outils	Pris en charge	Pris en charge
Agents vocaux	Avancé	Général
Flux de travail complexes	Mieux adapté	Adapté

Comment utiliser l’API GPT-Realtime-2.1 avec CometAPI

Étape 1 : Obtenez votre clé API CometAPI

Créez un compte CometAPI et générez un jeton API depuis la console développeur.

Votre requête API doit inclure :

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

La clé API authentifie vos requêtes et permet à votre application d’appeler les modèles d’IA disponibles via CometAPI.

Étape 2 : Créez une session GPT-Realtime-2.1

GPT-Realtime-2.1 fonctionne via une session temps réel persistante plutôt qu’un échange de type requête‑réponse classique.

Une session temps réel maintient :

Flux d’entrée audio
Réponses du modèle
État de la conversation
Appels d’outils
Interruptions

L’API Realtime d’OpenAI prend en charge la communication en temps réel via les interfaces WebRTC, WebSocket et SIP.

Exemple :

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."
}
'

Exemple de réponse :

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

Étape 3 : Envoyez une entrée audio à GPT-Realtime-2.1

Après avoir créé une session, diffusez l’audio de l’utilisateur en streaming.

Exemple de flux de travail :

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

L’entrée audio peut inclure :

Conversations téléphoniques
Commandes vocales
Appels de support client
Assistants interactifs

Étape 4 : Recevez des réponses audio en temps réel

Le modèle renvoie des réponses audio générées via la connexion temps réel.

Événement d’exemple :

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

Votre application peut lire immédiatement les fragments audio reçus.

Implémentations typiques :

Applications vocales WebRTC
Assistants dans le navigateur
Applications vocales mobiles
Agents téléphoniques IA

Étape 5 : Ajoutez l’appel de fonctions pour les agents vocaux

GPT-Realtime-2.1 prend en charge l’appel de fonctions, permettant aux agents vocaux d’exécuter des actions externes.

Exemple :

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

Flux de travail possibles pour agents vocaux :

"Où est mon colis ?"
"Réservez-moi une réunion pour demain."
"Annulez mon abonnement."
"Consultez le solde de mon compte."

Le modèle peut reconnaître la demande, appeler l’outil approprié et poursuivre la conversation naturellement.

Étape 6 : Configurez le raisonnement et les instructions

GPT-Realtime-2.1 prend en charge un effort de raisonnement configurable.

Exemple :

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

Paramètres recommandés :

Application	Niveau de raisonnement
Commandes vocales simples	Faible
Service client	Moyen
Agents pour flux de travail complexes	Élevé

FAQ

API

Copiez un point de terminaison et un exemple de code fonctionnels, puis ouvrez la référence API complète si vous avez besoin de tous les paramètres.

Une API, un accès aux modèles prêt pour la production

Authentifiez-vous une seule fois, appelez le point de terminaison du modèle et conservez le même workflow de facturation et d'observabilité entre les fournisseurs.

GET/v1/realtime

Exemple de code et API pour 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;
});

Capacités

Passez en revue les informations clés du modèle avant de choisir une architecture ou d'estimer la charge en production.

Fonctionnalités prises en charge

Fonctionnalités renvoyées par l'API du modèle existante.

text-to-speech

Entrée et sortie

Entrées

text

Sorties

audio

Profil de production

Fournisseur: OpenAI
Contexte: Selon le modèle
Usage commercial: Pris en charge

Cas d'usage

Utilisez GPT-Realtime-2.1 pour des workflows de production adaptés à ses capacités audio, puis comparez d'autres options avant un engagement à long terme.

Génération de voix, musique et audio

Expériences vocales et production média

Workflows audio automatisés à grande échelle

Autres modèles

Comparez d'autres modèles disponibles via CometAPI selon des compromis de qualité, latence, fonctionnalités et prix.

Ouvrir la comparaison de modèles →

Le meilleur modèle vocal pour audio en entrée, audio en sortie.

Voir le modèle

OpenAI

TTS

OpenAI Text-to-Speech

Voir le modèle

OpenAI

Whisper-1

Conversion de la parole en texte, création de traductions

GPT-4o mini Realtime Preview

Voir le modèle

Disponibilité

Consultez les données de heartbeat en direct, la disponibilité des points de terminaison et les temps de réponse observés avant la mise en production.

Versions

Consultez les identifiants de modèles disponibles avant de figer une intégration en production.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Mises à jour

Suivez les évolutions importantes de la disponibilité, des tarifs et des capacités de GPT-Realtime-2.1 tout en conservant la stabilité de la page du modèle.

Journal des modifications du modèle

Une page qui gagne en valeur au fil du temps.

Les notes de version, les changements de tarifs, les mises à jour des benchmarks et les conseils de migration s'accumulent ici, tandis que l'URL canonique reste inchangée.

Aug 6, 2026

Disponibilité de l’API confirmée

GPT-Realtime-2.1 est disponible via le catalogue de modèles et la documentation de l’API CometAPI.

Actuel

Données actualisées

Tarification et limites synchronisées depuis le catalogue

Le prix, le contexte, la disponibilité et les limites sont considérés comme des propriétés dynamiques au lieu d’être intégrés au titre de la page ou à l’identité du modèle.

Aug 7, 2026

Entité de modèle permanente créée

Le fournisseur et le slug du modèle forment une URL canonique durable ; les futures mises à jour du contenu et des données resteront sur cette page.

Continuez à explorer