Industri apa yang dapat menggunakan API GPT-Realtime-2.1?

GPT-Realtime-2.1 cocok untuk layanan pelanggan, otomasi penjualan, asisten layanan kesehatan, platform pendidikan, dan aplikasi perangkat pintar.

Seberapa besar jendela konteks GPT-Realtime-2.1?

GPT-Realtime-2.1 mendukung jendela konteks 128,000 token dan hingga 32,000 token keluaran.

Dapatkah API GPT-Realtime-2.1 membuat asisten suara waktu nyata?

Ya. GPT-Realtime-2.1 dirancang untuk aplikasi ucapan-ke-ucapan dan memungkinkan pengembang membangun agen suara percakapan berlatensi rendah.

Modalitas input dan output apa yang didukung oleh GPT-Realtime-2.1?

GPT-Realtime-2.1 mendukung input/output teks dan audio serta input gambar, tetapi tidak mendukung input video.

Peningkatan apa yang dimiliki GPT-Realtime-2.1 dibandingkan GPT-Realtime-2?

GPT-Realtime-2.1 meningkatkan pengenalan alfanumerik, penanganan keheningan, ketahanan terhadap kebisingan, dan perilaku interupsi sambil tetap mempertahankan kemampuan penalaran waktu nyata dan penggunaan tool.

Kapan pengembang sebaiknya memilih GPT-Realtime-2.1 alih-alih GPT-4o Realtime API?

Pengembang sebaiknya memilih GPT-Realtime-2.1 untuk agen suara tingkat lanjut yang memerlukan penalaran yang lebih kuat, eksekusi tool, dan alur kerja percakapan yang kompleks.

OpenAI

Tersedia

gpt-realtime-2.1

GPT-Realtime-2.1 API

Q: Apakah GPT-Realtime-2.1 mendukung pemanggilan fungsi?

Ya. GPT-Realtime-2.1 mendukung penggunaan tool dan pemanggilan fungsi, memungkinkan agen suara mengeksekusi tindakan eksternal selama percakapan.

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.

Harga mulai dari

$3.20 / 1 juta token input

Penagihan berbasis penggunaan

Kesehatan API

Tersedia

Endpoint produksi

Waktu respons

Siap async

Waktu respons API teramati

Dirilis

Aug 7, 2026

OpenAI

Harga

Gunakan estimasi cepat di atas untuk satu kali eksekusi, lalu tinjau perbandingan lengkap antara CometAPI dan harga resmi.

Permintaan pertama

$0.0224

Perkiraan biaya penggunaan CometAPI

Sepuluh permintaan

$0.2240

Perkiraan biaya penggunaan CometAPI

Lima belas permintaan

$0.3360

Perkiraan biaya penggunaan CometAPI

⇌

Konversi kredit

1.000 kredit = $1

Kredit membuat anggaran dapat dibandingkan antara penagihan berdasarkan token, permintaan, dan waktu penggunaan. Jumlah dalam USD tetap menjadi acuan utama saat pembayaran.

✓Model saat ini dalam kredit

Input

3,200

kredit / 1 juta token

Keluaran

19,200

kredit / 1 juta token

Transparansi biaya minimum Prototipe ini tidak mengasumsikan adanya biaya minimum tersembunyi per permintaan. Jika batas biaya minimum atau isi ulang minimum berlaku dalam penagihan produksi, hal tersebut harus ditampilkan sebelum pembelian dan disertakan dalam setiap perkiraan anggaran.

Model	Harga Comet (USD / Juta Token)	Harga Resmi (USD / Juta Token)	Diskon
gpt-realtime-2.1	Input: $3.20/juta Output: $19.20/juta	Input: $4.00/juta Output: $24.00/juta	-20%
gpt-realtime-2.1-mini	Input: $0.4800/juta Output: $2.88/juta	Input: $0.6000/juta Output: $3.60/juta	-20%

Ringkasan model

Identitas model yang stabil untuk pencarian dan evaluasi, dipadukan dengan data katalog langsung yang dapat berubah tanpa perlu menulis ulang struktur SEO inti halaman.

Identitas stabil

Apa itu GPT-Realtime-2.1?

Identitas kanonis model tetap stabil saat harga dan batas penggunaan berubah.

Data model langsung

Snapshot katalog terkini

Ketersediaan

Tersedia

Harga mulai dari

$3.20 / 1 juta token input

Konteks

Lihat kemampuan

Tanggal katalog

Aug 7, 2026

Ikhtisar

Gambaran praktis tentang GPT-Realtime-2.1, termasuk perilaku penting dan pertimbangan integrasi.

Spesifikasi Teknis GPT-Realtime-2.1

Spesifikasi	Rincian
Nama model	GPT-Realtime-2.1
Penyedia	OpenAI
Keluarga model	Seri GPT-Realtime
Jenis model	Model penalaran suara multimodal waktu nyata
Kemampuan utama	Agen AI suara-ke-suara
Modalitas input	Teks, Audio, Gambar
Modalitas output	Teks, Audio
Jendela konteks	128,000 tokens
Token keluaran maksimum	32,000 tokens
Dukungan penalaran	Upaya penalaran yang dapat dikonfigurasi
Panggilan fungsi	Didukung
Keluaran terstruktur	Tidak didukung
Fine-tuning	Tidak didukung
Input video	Tidak didukung
Endpoint API utama	Realtime API
Batas pengetahuan	September 30, 2024

Sumber: Dokumentasi model OpenAI GPT-Realtime-2.1.

Apa itu GPT-Realtime-2.1?

GPT-Realtime-2.1 adalah model suara real-time canggih dari OpenAI yang dirancang untuk membangun agen AI percakapan yang dapat mendengarkan, melakukan penalaran, dan merespons secara alami melalui audio.

Dibandingkan dengan asisten suara tradisional yang mengandalkan pipeline terpisah untuk pengenalan ucapan, pemahaman bahasa, dan text-to-speech, GPT-Realtime-2.1 menyediakan interaksi suara-ke-suara native, memungkinkan percakapan berlatensi lebih rendah dengan penanganan interupsi dan pemahaman konteks yang lebih baik.

Model ini dioptimalkan untuk aplikasi suara produksi termasuk agen layanan pelanggan, asisten AI, otomasi penjualan, platform edukasi, dan pengalaman suara interaktif.

Kinerja Benchmark GPT-Realtime-2.1

Peningkatan GPT-Realtime-2.1 berfokus pada metrik interaksi real-time yang praktis:

Kemampuan	Peningkatan
Penanganan interupsi suara	Meningkat
Ketahanan terhadap kebisingan	Meningkat
Pengenalan alfanumerik	Meningkat
Alur kerja suara berbasis alat	Didukung
Interaksi suara-ke-suara	Didukung

Fitur Utama GPT-Realtime-2.1

1. Interaksi Suara-ke-Suara Natif

GPT-Realtime-2.1 menghilangkan kebutuhan akan pipeline terpisah untuk pengenalan ucapan dan text-to-speech.

Arsitektur suara tradisional:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Ini mengurangi latensi dan meningkatkan kelancaran percakapan.

2. Kualitas Percakapan Suara yang Ditingkatkan

GPT-Realtime-2.1 meningkatkan beberapa tantangan suara di dunia nyata:

Penanganan interupsi yang lebih baik

Pengguna dapat menyela AI secara alami saat AI sedang berbicara.

Contoh:

Pengguna:

"Pesankan saya penerbangan ke—sebenarnya ganti ke Tokyo."

Model dapat pulih dari perubahan percakapan tanpa memulai ulang interaksi.

Penanganan jeda dan kebisingan yang lebih baik

Model dioptimalkan untuk lingkungan dengan kualitas audio yang tidak sempurna:

Pusat panggilan
Perangkat seluler
Ruang publik
Perangkat pintar

3. Penggunaan Alat Agen Suara Lanjutan

GPT-Realtime-2.1 mendukung pemanggilan alat, memungkinkan agen suara melakukan tindakan.

Contoh:

Layanan pelanggan:

User:
"Where is my order?"

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

Alur kerja perusahaan:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Ini membuat GPT-Realtime-2.1 cocok untuk agen suara otonom.

4. Kemampuan Penalaran yang Dapat Dikonfigurasi

Tidak seperti model suara real-time sebelumnya yang terutama dioptimalkan untuk kecepatan, GPT-Realtime-2.1 memperkenalkan upaya penalaran yang dapat dikonfigurasi.

Pengembang dapat menyeimbangkan:

Latensi respons
Akurasi
Kompleksitas tugas

Penalaran rendah:

Percakapan sederhana
Asisten FAQ

Penalaran lebih tinggi:

Permintaan pelanggan yang kompleks
Alur kerja multi-langkah
Operasi bisnis

5. Pengenalan Angka dan Informasi Teknis yang Lebih Baik

Agen suara sering kesulitan dengan:

Nomor akun
Nomor seri
Alamat
Kode produk
Informasi keuangan

GPT-Realtime-2.1 meningkatkan pengenalan alfanumerik, sehingga lebih cocok untuk sistem suara perusahaan.

6. Dukungan Input Multimodal

GPT-Realtime-2.1 mendukung:

Input	Dukungan
Teks	✅
Audio	✅
Gambar	✅
Video	❌

Input gambar memungkinkan skenario seperti:

Dukungan pelanggan visual
Interpretasi dokumen
Asisten berbasis kamera

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

Model	Kekuatan	Penggunaan terbaik
GPT-Realtime-2.1	Penalaran real-time terbaik + kemampuan agen suara	Agen suara produksi
GPT-Realtime-2	Penalaran suara real-time yang kuat	Aplikasi percakapan tingkat lanjut
GPT-4o Realtime	Interaksi multimodal cepat	Asisten suara umum

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 meningkatkan:

Pemulihan interupsi suara
Penanganan kebisingan
Akurasi pengenalan
Ketangguhan percakapan

Kedua model memiliki kesamaan:

Arsitektur suara-ke-suara
Pemanggilan alat
Dukungan penalaran
Akses Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 diposisikan untuk alur kerja agen yang lebih maju.

Dibandingkan dengan GPT-4o Realtime:

Kemampuan	GPT-Realtime-2.1	GPT-4o Realtime
Penalaran	Lebih kuat	Umum
Konteks	128K	32K
Penggunaan alat	Didukung	Didukung
Agen suara	Lanjutan	Umum
Alur kerja kompleks	Lebih cocok	Cocok

Cara Menggunakan API GPT-Realtime-2.1 dengan CometAPI

GPT-Realtime-2.1 dirancang untuk aplikasi agen suara berlatensi rendah. Model ini mendukung interaksi suara-ke-suara real-time, input/output audio, input gambar, upaya penalaran yang dapat dikonfigurasi, dan pemanggilan fungsi untuk alur kerja suara yang didukung alat. OpenAI menyediakannya melalui Realtime API, termasuk metode komunikasi real-time berbasis WebRTC, WebSocket, dan SIP.

CometAPI menyediakan lapisan API terpadu untuk mengintegrasikan model AI canggih, memungkinkan pengembang mengakses alur kerja bergaya GPT-Realtime-2.1 tanpa harus mengelola autentikasi penyedia terpisah, logika SDK, dan infrastruktur.

Langkah 1: Dapatkan Kunci API CometAPI Anda

Buat akun CometAPI dan hasilkan token API dari konsol pengembang.

Permintaan API Anda harus menyertakan:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

Kunci API mengautentikasi permintaan Anda dan memungkinkan aplikasi Anda memanggil model AI yang tersedia melalui CometAPI.

Langkah 2: Buat Sesi GPT-Realtime-2.1

GPT-Realtime-2.1 berfungsi melalui sesi real-time persisten alih-alih penyelesaian chat permintaan-respons tradisional.

Sesi real-time mempertahankan:

Aliran input audio
Respons model
Status percakapan
Panggilan alat
Interupsi

Realtime API dari OpenAI mendukung komunikasi real-time melalui antarmuka WebRTC, WebSocket, dan SIP.

Contoh:

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."
}
'

Contoh respons:

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

Langkah 3: Kirim Input Audio ke GPT-Realtime-2.1

Setelah membuat sesi, streaming audio pengguna.

Contoh alur kerja:

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

Input audio dapat mencakup:

Percakapan telepon
Perintah suara
Panggilan dukungan pelanggan
Asisten interaktif

GPT-Realtime-2.1 meningkatkan interaksi suara dengan deteksi jeda, penanganan kebisingan, dan perilaku interupsi yang lebih baik dibanding model real-time sebelumnya.

Langkah 4: Terima Respons Audio Real-time

Model mengembalikan respons audio yang dihasilkan melalui koneksi real-time.

Contoh event:

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

Aplikasi Anda dapat segera memutar potongan audio yang diterima.

Implementasi yang umum:

Aplikasi suara WebRTC
Asisten berbasis browser
Aplikasi suara seluler
Agen telepon AI

Langkah 5: Tambahkan Panggilan Fungsi untuk Agen Suara

GPT-Realtime-2.1 mendukung pemanggilan fungsi, memungkinkan agen suara mengeksekusi tindakan eksternal.

Contoh:

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

Kemungkinan alur kerja agen suara:

"Di mana paket saya?"
"Jadwalkan pertemuan besok."
"Batalkan langganan saya."
"Periksa saldo akun saya."

Model dapat mengenali permintaan, memanggil alat yang sesuai, dan melanjutkan percakapan secara alami.

Langkah 6: Konfigurasikan Penalaran dan Instruksi

GPT-Realtime-2.1 mendukung upaya penalaran yang dapat dikonfigurasi.

Contoh:

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

Pengaturan yang direkomendasikan:

Aplikasi	Tingkat penalaran
Perintah suara sederhana	Rendah
Dukungan pelanggan	Sedang
Agen alur kerja kompleks	Tinggi

FAQ

API

Salin endpoint dan contoh kode yang berfungsi, lalu buka referensi API lengkap saat Anda memerlukan semua parameter.

Satu API, akses model siap produksi

Autentikasi sekali, panggil endpoint model, dan pertahankan alur penagihan serta observabilitas yang sama di semua penyedia.

GET/v1/realtime

Kode contoh dan API untuk GPT-Realtime-2.1

Akses kode sampel komprehensif dan sumber daya API untuk GPT-Realtime-2.1 guna mempermudah proses integrasi Anda. Dokumentasi terperinci kami menyediakan panduan langkah demi langkah, membantu Anda memanfaatkan potensi penuh GPT-Realtime-2.1 dalam proyek Anda.

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;
});

Kemampuan

Tinjau fakta-fakta penting model sebelum memilih arsitektur atau memperkirakan beban produksi.

Kemampuan yang didukung

Fitur yang dikembalikan oleh API model yang ada.

text-to-speech

Input dan output

Input

text

Output

audio

Profil produksi

Penyedia: OpenAI
Konteks: Tergantung model
Penggunaan komersial: Didukung

Kasus penggunaan

Gunakan GPT-Realtime-2.1 untuk alur kerja produksi yang sesuai dengan kemampuan audio-nya, lalu bandingkan alternatif sebelum berkomitmen pada integrasi jangka panjang.

Pembuatan suara, musik, dan audio

Pengalaman suara dan produksi media

Alur kerja audio otomatis dalam skala besar

Model lainnya

Bandingkan model lain yang tersedia melalui CometAPI berdasarkan kualitas, latensi, kemampuan, dan harga.

Buka perbandingan model →

ElevenLabs

Eleven V4

Eleven v4 adalah model sintesis suara yang ekspresif dari ElevenLabs, dirancang untuk menghasilkan suara yang terdengar alami dengan penyampaian emosi yang kaya, kesadaran konteks, dan konsistensi suara yang kuat.

Lihat model

ElevenLabs

ElevenLabs Voice Dubbing

Jelajahi API ElevenLabs Voice Dubbing.

Lihat model

ElevenLabs

ElevenLabs Voice Isolation

Jelajahi API ElevenLabs Voice Isolation.

Lihat model

Bytedance

Seed Audio

Jelajahi API Seed Audio.

Lihat model

OpenAI

GPT-4o mini Audio

GPT-4o mini Audio adalah model multimodal untuk interaksi ucapan dan teks. Model ini melakukan pengenalan ucapan, penerjemahan, dan teks-ke-ucapan, mengikuti instruksi, serta dapat memanggil alat untuk tindakan terstruktur dengan respons streaming. Penggunaan umum mencakup asisten suara real-time, takarir dan penerjemahan langsung, perangkuman panggilan, serta aplikasi yang dikendalikan suara. Sorotan teknis mencakup input dan output audio, respons streaming, pemanggilan fungsi, dan output JSON terstruktur.

Lihat model

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe adalah model audio-ke-teks untuk pengenalan ucapan multibahasa dengan latensi rendah. Model ini mendukung streaming waktu nyata dan transkripsi batch dari format audio umum, lengkap dengan tanda baca dan segmentasi kalimat. Kasus penggunaan umum mencakup takarir langsung, masukan asisten suara, catatan rapat, serta transkripsi rekaman media atau panggilan. Sorotan teknis mencakup dukungan modalitas audio, pemrosesan konten panjang, dan API yang sesuai untuk alur kerja interaktif maupun sisi server.

Lihat model

Waktu Aktif

Tinjau data heartbeat langsung, ketersediaan endpoint, dan waktu respons teramati sebelum masuk ke produksi.

Waktu Aktif

Tingkat keberhasilan permintaan selama 30 hari terakhir, mencerminkan keandalan setiap penyedia model. CometAPI memantau semua penyedia yang terhubung secara real-time, 24/7.

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versi

Tinjau pengenal model yang tersedia sebelum menetapkan integrasi produksi.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Pembaruan

Ikuti perubahan penting dalam ketersediaan, harga, dan kemampuan GPT-Realtime-2.1 tanpa kehilangan halaman model yang stabil.

Log perubahan model

Satu halaman yang semakin lengkap seiring waktu.

Catatan rilis, perubahan harga, pembaruan tolok ukur, dan panduan migrasi terakumulasi di sini sementara URL kanonis tetap tidak berubah.

Aug 7, 2026

Ketersediaan API dikonfirmasi

GPT-Realtime-2.1 tersedia melalui katalog model dan dokumentasi API CometAPI.

Saat ini

Data langsung

Harga dan batasan disinkronkan dari katalog

Harga, konteks, ketersediaan, dan batasan diperlakukan sebagai properti dinamis, bukan disematkan dalam judul halaman atau identitas model.

Aug 7, 2026

Entitas model permanen dibuat

Penyedia dan slug model membentuk URL kanonis yang tahan lama; pembaruan konten dan data di masa mendatang tetap berada di halaman ini.

Terus jelajahi

Bandingkan model dan lanjutkan riset Anda

OpenAI

Tersedia

gpt-realtime-2.1

GPT-Realtime-2.1 API

Harga mulai dari

$3.20 / 1 juta token input

Penagihan berbasis penggunaan

Kesehatan API

Tersedia

Endpoint produksi

Waktu respons

Siap async

Waktu respons API teramati

Dirilis

Aug 7, 2026

OpenAI

Harga

Gunakan estimasi cepat di atas untuk satu kali eksekusi, lalu tinjau perbandingan lengkap antara CometAPI dan harga resmi.

Permintaan pertama

$0.0224

Perkiraan biaya penggunaan CometAPI

Sepuluh permintaan

$0.2240

Perkiraan biaya penggunaan CometAPI

Lima belas permintaan

$0.3360

Perkiraan biaya penggunaan CometAPI

⇌

Konversi kredit

1.000 kredit = $1

Kredit membuat anggaran dapat dibandingkan antara penagihan berdasarkan token, permintaan, dan waktu penggunaan. Jumlah dalam USD tetap menjadi acuan utama saat pembayaran.

✓Model saat ini dalam kredit

Input

3,200

kredit / 1 juta token

Keluaran

19,200

kredit / 1 juta token

Model	Harga Comet (USD / Juta Token)	Harga Resmi (USD / Juta Token)	Diskon
gpt-realtime-2.1	Input: $3.20/juta Output: $19.20/juta	Input: $4.00/juta Output: $24.00/juta	-20%
gpt-realtime-2.1-mini	Input: $0.4800/juta Output: $2.88/juta	Input: $0.6000/juta Output: $3.60/juta	-20%

Ringkasan model

Identitas model yang stabil untuk pencarian dan evaluasi, dipadukan dengan data katalog langsung yang dapat berubah tanpa perlu menulis ulang struktur SEO inti halaman.

Identitas stabil

Apa itu GPT-Realtime-2.1?

Identitas kanonis model tetap stabil saat harga dan batas penggunaan berubah.

Data model langsung

Snapshot katalog terkini

Ketersediaan

Tersedia

Harga mulai dari

$3.20 / 1 juta token input

Konteks

Lihat kemampuan

Tanggal katalog

Aug 7, 2026

Ikhtisar

Gambaran praktis tentang GPT-Realtime-2.1, termasuk perilaku penting dan pertimbangan integrasi.

Spesifikasi Teknis GPT-Realtime-2.1

Spesifikasi	Rincian
Nama model	GPT-Realtime-2.1
Penyedia	OpenAI
Keluarga model	Seri GPT-Realtime
Jenis model	Model penalaran suara multimodal waktu nyata
Kemampuan utama	Agen AI suara-ke-suara
Modalitas input	Teks, Audio, Gambar
Modalitas output	Teks, Audio
Jendela konteks	128,000 tokens
Token keluaran maksimum	32,000 tokens
Dukungan penalaran	Upaya penalaran yang dapat dikonfigurasi
Panggilan fungsi	Didukung
Keluaran terstruktur	Tidak didukung
Fine-tuning	Tidak didukung
Input video	Tidak didukung
Endpoint API utama	Realtime API
Batas pengetahuan	September 30, 2024

Sumber: Dokumentasi model OpenAI GPT-Realtime-2.1.

Apa itu GPT-Realtime-2.1?

Model ini dioptimalkan untuk aplikasi suara produksi termasuk agen layanan pelanggan, asisten AI, otomasi penjualan, platform edukasi, dan pengalaman suara interaktif.

Kinerja Benchmark GPT-Realtime-2.1

Peningkatan GPT-Realtime-2.1 berfokus pada metrik interaksi real-time yang praktis:

Kemampuan	Peningkatan
Penanganan interupsi suara	Meningkat
Ketahanan terhadap kebisingan	Meningkat
Pengenalan alfanumerik	Meningkat
Alur kerja suara berbasis alat	Didukung
Interaksi suara-ke-suara	Didukung

Fitur Utama GPT-Realtime-2.1

1. Interaksi Suara-ke-Suara Natif

GPT-Realtime-2.1 menghilangkan kebutuhan akan pipeline terpisah untuk pengenalan ucapan dan text-to-speech.

Arsitektur suara tradisional:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Ini mengurangi latensi dan meningkatkan kelancaran percakapan.

2. Kualitas Percakapan Suara yang Ditingkatkan

GPT-Realtime-2.1 meningkatkan beberapa tantangan suara di dunia nyata:

Penanganan interupsi yang lebih baik

Pengguna dapat menyela AI secara alami saat AI sedang berbicara.

Contoh:

Pengguna:

"Pesankan saya penerbangan ke—sebenarnya ganti ke Tokyo."

Model dapat pulih dari perubahan percakapan tanpa memulai ulang interaksi.

Penanganan jeda dan kebisingan yang lebih baik

Model dioptimalkan untuk lingkungan dengan kualitas audio yang tidak sempurna:

Pusat panggilan
Perangkat seluler
Ruang publik
Perangkat pintar

3. Penggunaan Alat Agen Suara Lanjutan

GPT-Realtime-2.1 mendukung pemanggilan alat, memungkinkan agen suara melakukan tindakan.

Contoh:

Layanan pelanggan:

User:
"Where is my order?"

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

Alur kerja perusahaan:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Ini membuat GPT-Realtime-2.1 cocok untuk agen suara otonom.

4. Kemampuan Penalaran yang Dapat Dikonfigurasi

Tidak seperti model suara real-time sebelumnya yang terutama dioptimalkan untuk kecepatan, GPT-Realtime-2.1 memperkenalkan upaya penalaran yang dapat dikonfigurasi.

Pengembang dapat menyeimbangkan:

Latensi respons
Akurasi
Kompleksitas tugas

Penalaran rendah:

Percakapan sederhana
Asisten FAQ

Penalaran lebih tinggi:

Permintaan pelanggan yang kompleks
Alur kerja multi-langkah
Operasi bisnis

5. Pengenalan Angka dan Informasi Teknis yang Lebih Baik

Agen suara sering kesulitan dengan:

Nomor akun
Nomor seri
Alamat
Kode produk
Informasi keuangan

GPT-Realtime-2.1 meningkatkan pengenalan alfanumerik, sehingga lebih cocok untuk sistem suara perusahaan.

6. Dukungan Input Multimodal

GPT-Realtime-2.1 mendukung:

Input	Dukungan
Teks	✅
Audio	✅
Gambar	✅
Video	❌

Input gambar memungkinkan skenario seperti:

Dukungan pelanggan visual
Interpretasi dokumen
Asisten berbasis kamera

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

Model	Kekuatan	Penggunaan terbaik
GPT-Realtime-2.1	Penalaran real-time terbaik + kemampuan agen suara	Agen suara produksi
GPT-Realtime-2	Penalaran suara real-time yang kuat	Aplikasi percakapan tingkat lanjut
GPT-4o Realtime	Interaksi multimodal cepat	Asisten suara umum

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 meningkatkan:

Pemulihan interupsi suara
Penanganan kebisingan
Akurasi pengenalan
Ketangguhan percakapan

Kedua model memiliki kesamaan:

Arsitektur suara-ke-suara
Pemanggilan alat
Dukungan penalaran
Akses Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 diposisikan untuk alur kerja agen yang lebih maju.

Dibandingkan dengan GPT-4o Realtime:

Kemampuan	GPT-Realtime-2.1	GPT-4o Realtime
Penalaran	Lebih kuat	Umum
Konteks	128K	32K
Penggunaan alat	Didukung	Didukung
Agen suara	Lanjutan	Umum
Alur kerja kompleks	Lebih cocok	Cocok

Cara Menggunakan API GPT-Realtime-2.1 dengan CometAPI

Langkah 1: Dapatkan Kunci API CometAPI Anda

Buat akun CometAPI dan hasilkan token API dari konsol pengembang.

Permintaan API Anda harus menyertakan:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

Kunci API mengautentikasi permintaan Anda dan memungkinkan aplikasi Anda memanggil model AI yang tersedia melalui CometAPI.

Langkah 2: Buat Sesi GPT-Realtime-2.1

GPT-Realtime-2.1 berfungsi melalui sesi real-time persisten alih-alih penyelesaian chat permintaan-respons tradisional.

Sesi real-time mempertahankan:

Aliran input audio
Respons model
Status percakapan
Panggilan alat
Interupsi

Realtime API dari OpenAI mendukung komunikasi real-time melalui antarmuka WebRTC, WebSocket, dan SIP.

Contoh:

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."
}
'

Contoh respons:

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

Langkah 3: Kirim Input Audio ke GPT-Realtime-2.1

Setelah membuat sesi, streaming audio pengguna.

Contoh alur kerja:

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

Input audio dapat mencakup:

Percakapan telepon
Perintah suara
Panggilan dukungan pelanggan
Asisten interaktif

GPT-Realtime-2.1 meningkatkan interaksi suara dengan deteksi jeda, penanganan kebisingan, dan perilaku interupsi yang lebih baik dibanding model real-time sebelumnya.

Langkah 4: Terima Respons Audio Real-time

Model mengembalikan respons audio yang dihasilkan melalui koneksi real-time.

Contoh event:

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

Aplikasi Anda dapat segera memutar potongan audio yang diterima.

Implementasi yang umum:

Aplikasi suara WebRTC
Asisten berbasis browser
Aplikasi suara seluler
Agen telepon AI

Langkah 5: Tambahkan Panggilan Fungsi untuk Agen Suara

GPT-Realtime-2.1 mendukung pemanggilan fungsi, memungkinkan agen suara mengeksekusi tindakan eksternal.

Contoh:

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

Kemungkinan alur kerja agen suara:

"Di mana paket saya?"
"Jadwalkan pertemuan besok."
"Batalkan langganan saya."
"Periksa saldo akun saya."

Model dapat mengenali permintaan, memanggil alat yang sesuai, dan melanjutkan percakapan secara alami.

Langkah 6: Konfigurasikan Penalaran dan Instruksi

GPT-Realtime-2.1 mendukung upaya penalaran yang dapat dikonfigurasi.

Contoh:

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

Pengaturan yang direkomendasikan:

Aplikasi	Tingkat penalaran
Perintah suara sederhana	Rendah
Dukungan pelanggan	Sedang
Agen alur kerja kompleks	Tinggi

FAQ

API

Salin endpoint dan contoh kode yang berfungsi, lalu buka referensi API lengkap saat Anda memerlukan semua parameter.

Satu API, akses model siap produksi

Autentikasi sekali, panggil endpoint model, dan pertahankan alur penagihan serta observabilitas yang sama di semua penyedia.

GET/v1/realtime

Kode contoh dan API untuk 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;
});

Kemampuan

Tinjau fakta-fakta penting model sebelum memilih arsitektur atau memperkirakan beban produksi.

Kemampuan yang didukung

Fitur yang dikembalikan oleh API model yang ada.

text-to-speech

Input dan output

Input

text

Output

audio

Profil produksi

Penyedia: OpenAI
Konteks: Tergantung model
Penggunaan komersial: Didukung

Kasus penggunaan

Gunakan GPT-Realtime-2.1 untuk alur kerja produksi yang sesuai dengan kemampuan audio-nya, lalu bandingkan alternatif sebelum berkomitmen pada integrasi jangka panjang.

Pembuatan suara, musik, dan audio

Pengalaman suara dan produksi media

Alur kerja audio otomatis dalam skala besar

Model lainnya

Bandingkan model lain yang tersedia melalui CometAPI berdasarkan kualitas, latensi, kemampuan, dan harga.

Buka perbandingan model →

ElevenLabs Voice Dubbing

Jelajahi API ElevenLabs Voice Dubbing.

Lihat model

ElevenLabs

ElevenLabs Voice Isolation

Jelajahi API ElevenLabs Voice Isolation.

Lihat model

Bytedance

Seed Audio

Jelajahi API Seed Audio.

Waktu Aktif

Tinjau data heartbeat langsung, ketersediaan endpoint, dan waktu respons teramati sebelum masuk ke produksi.

Waktu Aktif

Tingkat keberhasilan permintaan selama 30 hari terakhir, mencerminkan keandalan setiap penyedia model. CometAPI memantau semua penyedia yang terhubung secara real-time, 24/7.

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versi

Tinjau pengenal model yang tersedia sebelum menetapkan integrasi produksi.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Pembaruan

Ikuti perubahan penting dalam ketersediaan, harga, dan kemampuan GPT-Realtime-2.1 tanpa kehilangan halaman model yang stabil.

Log perubahan model

Satu halaman yang semakin lengkap seiring waktu.

Catatan rilis, perubahan harga, pembaruan tolok ukur, dan panduan migrasi terakumulasi di sini sementara URL kanonis tetap tidak berubah.

Aug 7, 2026

Ketersediaan API dikonfirmasi

GPT-Realtime-2.1 tersedia melalui katalog model dan dokumentasi API CometAPI.

Saat ini

Data langsung

Harga dan batasan disinkronkan dari katalog

Harga, konteks, ketersediaan, dan batasan diperlakukan sebagai properti dinamis, bukan disematkan dalam judul halaman atau identitas model.

Aug 7, 2026

Entitas model permanen dibuat

Penyedia dan slug model membentuk URL kanonis yang tahan lama; pembaruan konten dan data di masa mendatang tetap berada di halaman ini.

Terus jelajahi