Quali settori possono utilizzare l'API GPT-Realtime-2.1?

GPT-Realtime-2.1 è adatto per l'assistenza clienti, l'automazione delle vendite, gli assistenti sanitari, le piattaforme educative e le applicazioni per dispositivi intelligenti.

GPT-Realtime-2.1 supporta la chiamata di funzioni?

Sì. GPT-Realtime-2.1 supporta l'uso di strumenti e la chiamata di funzioni, consentendo agli agenti vocali di eseguire azioni esterne durante le conversazioni.

Quanto è grande la finestra di contesto di GPT-Realtime-2.1?

GPT-Realtime-2.1 supporta una finestra di contesto da 128,000 token e fino a 32,000 token di output.

L'API GPT-Realtime-2.1 può creare assistenti vocali in tempo reale?

Sì. GPT-Realtime-2.1 è progettato per applicazioni speech-to-speech e consente agli sviluppatori di creare agenti vocali conversazionali a bassa latenza.

Quali modalità di input e output supporta GPT-Realtime-2.1?

GPT-Realtime-2.1 supporta input/output di testo e audio, oltre all'input di immagini, ma non supporta l'input video.

Quali miglioramenti presenta GPT-Realtime-2.1 rispetto a GPT-Realtime-2?

GPT-Realtime-2.1 migliora il riconoscimento alfanumerico, la gestione dei silenzi, la robustezza al rumore e il comportamento in caso di interruzioni, mantenendo le capacità di ragionamento in tempo reale e di uso degli strumenti.

Quando gli sviluppatori dovrebbero scegliere GPT-Realtime-2.1 invece della GPT-4o Realtime API?

Gli sviluppatori dovrebbero scegliere GPT-Realtime-2.1 per agenti vocali avanzati che richiedono capacità di ragionamento più solide, esecuzione di strumenti e flussi di lavoro conversazionali complessi.

OpenAI

Disponibile

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.

Prezzo di partenza

$3.20 / 1M di token in input

Fatturazione a consumo

Stato dell'API

Disponibile

Endpoint di produzione

Risposta

Pronto per l'async

Tempo di risposta API osservato

Pubblicato

Aug 7, 2026

OpenAI

Prezzi

Usa la stima rapida sopra per una singola esecuzione, poi consulta il confronto completo tra CometAPI e prezzo ufficiale.

Prima richiesta

$0.0224

Costo stimato dell'utilizzo di CometAPI

Dieci richieste

$0.2240

Costo stimato dell'utilizzo di CometAPI

Quindici richieste

$0.3360

Costo stimato dell'utilizzo di CometAPI

⇌

Conversione dei crediti

1.000 crediti = 1 $

I crediti rendono confrontabili i budget tra fatturazione a token, a richiesta e a tempo di esecuzione. L'importo in USD resta il riferimento ufficiale al momento del pagamento.

✓Modello attuale in crediti

Input

3,200

crediti / 1M token

Output

19,200

crediti / 1M token

Trasparenza sul costo minimo Questo prototipo non presuppone un costo minimo nascosto per richiesta. Se si applica una soglia minima di fatturazione o di ricarica in produzione, deve essere mostrata prima dell'acquisto e inclusa in ogni stima del budget.

Modello	Prezzo Comet (USD / M token)	Prezzo ufficiale (USD / M token)	Sconto
gpt-realtime-2.1	Input: $3.20/M Output: $19.20/M	Input: $4.00/M Output: $24.00/M	-20%
gpt-realtime-2.1-mini	Input: $0.4800/M Output: $2.88/M	Input: $0.6000/M Output: $3.60/M	-20%

Panoramica del modello

Un'identità stabile del modello per la ricerca e la valutazione, abbinata a dati di catalogo in tempo reale che possono cambiare senza dover riscrivere la struttura SEO principale della pagina.

Identità stabile

Che cos'è GPT-Realtime-2.1?

L'identità canonica del modello rimane stabile al variare di prezzi e limiti.

Dati del modello in tempo reale

Istantanea attuale del catalogo

Disponibilità

Disponibile

Prezzo di partenza

$3.20 / 1M di token in input

Contesto

Visualizza le funzionalità

Data del catalogo

Aug 7, 2026

Panoramica

Una panoramica pratica di GPT-Realtime-2.1, con comportamenti importanti e considerazioni per l'integrazione.

Specifiche tecniche di GPT-Realtime-2.1

Specifiche	Dettagli
Nome del modello	GPT-Realtime-2.1
Fornitore	OpenAI
Famiglia di modelli	Serie GPT-Realtime
Tipo di modello	Modello di ragionamento vocale multimodale in tempo reale
Capacità principale	Agenti IA da parlato a parlato
Modalità di input	Testo, Audio, Immagine
Modalità di output	Testo, Audio
Finestra di contesto	128.000 token
Token massimi di output	32.000 token
Supporto al ragionamento	Sforzo di ragionamento configurabile
Chiamate a funzione	Supportato
Output strutturati	Non supportati
Fine-tuning	Non supportato
Input video	Non supportato
Endpoint API principale	Realtime API
Data limite della conoscenza	30 settembre 2024

Fonte: documentazione del modello GPT-Realtime-2.1 di OpenAI.

Che cos'è GPT-Realtime-2.1?

GPT-Realtime-2.1 è il modello vocale avanzato in tempo reale di OpenAI progettato per creare agenti conversazionali in grado di ascoltare, ragionare e rispondere in modo naturale tramite audio.

Rispetto agli assistenti vocali tradizionali che si basano su pipeline separate di riconoscimento vocale, comprensione del linguaggio e sintesi vocale, GPT-Realtime-2.1 offre un'interazione nativa da parlato a parlato, consentendo conversazioni a bassa latenza con migliore gestione delle interruzioni e comprensione contestuale.

Il modello è ottimizzato per applicazioni vocali di produzione tra cui agenti di assistenza clienti, assistenti IA, automazione delle vendite, piattaforme educative ed esperienze vocali interattive.

Prestazioni di benchmark di GPT-Realtime-2.1

GPT-Realtime-2.1 si concentra su metriche pratiche di interazione in tempo reale:

Capacità	Miglioramento
Gestione delle interruzioni vocali	Migliorato
Robustezza al rumore	Migliorato
Riconoscimento alfanumerico	Migliorato
Workflow vocali basati su strumenti	Supportato
Interazione da parlato a parlato	Supportato

Funzionalità principali di GPT-Realtime-2.1

1. Interazione nativa da parlato a parlato

GPT-Realtime-2.1 elimina la necessità di pipeline separate di riconoscimento vocale e sintesi vocale.

Architettura vocale tradizionale:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Questo riduce la latenza e migliora il flusso conversazionale.

2. Qualità della conversazione vocale migliorata

GPT-Realtime-2.1 migliora diverse sfide vocali del mondo reale:

Migliore gestione delle interruzioni

Gli utenti possono interrompere l'IA in modo naturale mentre sta parlando.

Esempio:

Utente:

"Prenotami un volo per—anzi, cambia in Tokyo."

Il modello può riprendersi dai cambiamenti conversazionali senza riavviare l'interazione.

Migliore gestione del silenzio e del rumore

Il modello è ottimizzato per ambienti in cui la qualità audio è imperfetta:

Call center
Dispositivi mobili
Spazi pubblici
Dispositivi smart

3. Uso avanzato di strumenti da parte di agenti vocali

GPT-Realtime-2.1 supporta le chiamate a strumenti, consentendo agli agenti vocali di eseguire azioni.

Esempi:

Assistenza clienti:

User:
"Where is my order?"

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

Workflow aziendale:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Questo rende GPT-Realtime-2.1 adatto ad agenti vocali autonomi.

4. Capacità di ragionamento configurabile

A differenza dei modelli vocali in tempo reale precedenti ottimizzati principalmente per la velocità, GPT-Realtime-2.1 introduce uno sforzo di ragionamento configurabile.

Gli sviluppatori possono bilanciare:

Latenza della risposta
Accuratezza
Complessità del compito

Ragionamento basso:

Conversazioni semplici
Assistenti FAQ

Ragionamento più alto:

Richieste complesse dei clienti
Workflow multi-step
Operazioni aziendali

5. Miglior riconoscimento di numeri e informazioni tecniche

Gli agenti vocali spesso faticano con:

Numeri di conto
Numeri di serie
Indirizzi
Codici prodotto
Informazioni finanziarie

GPT-Realtime-2.1 migliora il riconoscimento alfanumerico, rendendolo più adatto ai sistemi vocali enterprise.

6. Supporto all'input multimodale

GPT-Realtime-2.1 supporta:

Input	Supporto
Testo	✅
Audio	✅
Immagine	✅
Video	❌

L'input immagine abilita scenari come:

Assistenza clienti visiva
Interpretazione di documenti
Assistenti basati su fotocamera

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

Modello	Punto di forza	Uso consigliato
GPT-Realtime-2.1	Miglior ragionamento in tempo reale + capacità di agente vocale	Agenti vocali in produzione
GPT-Realtime-2	Solido ragionamento vocale in tempo reale	App conversazionali avanzate
GPT-4o Realtime	Interazione multimodale veloce	Assistenti vocali generali

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 migliora:

Recupero dalle interruzioni vocali
Gestione del rumore
Accuratezza del riconoscimento
Robustezza della conversazione

Entrambi i modelli condividono:

Architettura da parlato a parlato
Chiamate a strumenti
Supporto al ragionamento
Accesso tramite Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 è posizionato per workflow di agenti più avanzati.

Rispetto a GPT-4o Realtime:

Capacità	GPT-Realtime-2.1	GPT-4o Realtime
Ragionamento	Più avanzato	Generale
Contesto	128K	32K
Uso di strumenti	Supportato	Supportato
Agenti vocali	Avanzati	Generali
Workflow complessi	Più adatto	Adatto

Come usare l'API di GPT-Realtime-2.1 con CometAPI

GPT-Realtime-2.1 è progettato per applicazioni di agenti vocali a bassa latenza. Supporta interazione da parlato a parlato in tempo reale, input/output audio, input immagine, sforzo di ragionamento configurabile e chiamate a funzione per workflow vocali abilitati da strumenti. OpenAI lo espone tramite la Realtime API, inclusi metodi di comunicazione in tempo reale basati su WebRTC, WebSocket e SIP.

CometAPI fornisce un livello API unificato per integrare modelli IA avanzati, consentendo agli sviluppatori di accedere a workflow in stile GPT-Realtime-2.1 senza dover gestire autenticazione dei provider, logica SDK e infrastruttura separati.

Passaggio 1: Ottieni la chiave API di CometAPI

Crea un account CometAPI e genera un token API dalla console sviluppatore.

La richiesta API deve includere:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

La chiave API autentica le richieste e consente alla tua applicazione di chiamare i modelli disponibili tramite CometAPI.

Passaggio 2: Crea una sessione GPT-Realtime-2.1

GPT-Realtime-2.1 funziona tramite una sessione persistente in tempo reale invece del tradizionale completamento chat richiesta-risposta.

Una sessione in tempo reale mantiene:

Flusso di input audio
Risposte del modello
Stato della conversazione
Chiamate a strumenti
Interruzioni

La Realtime API di OpenAI supporta la comunicazione in tempo reale tramite interfacce WebRTC, WebSocket e SIP.

Esempio:

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."
}
'

Risposta di esempio:

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

Passaggio 3: Invia input audio a GPT-Realtime-2.1

Dopo aver creato una sessione, invia in streaming l'audio dell'utente.

Workflow di esempio:

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

L'input audio può includere:

Conversazioni telefoniche
Comandi vocali
Chiamate di assistenza clienti
Assistenti interattivi

GPT-Realtime-2.1 migliora l'interazione vocale con migliore rilevamento del silenzio, gestione del rumore e comportamento alle interruzioni rispetto ai precedenti modelli in tempo reale.

Passaggio 4: Ricevi risposte audio in tempo reale

Il modello restituisce risposte audio generate tramite la connessione in tempo reale.

Evento di esempio:

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

La tua applicazione può riprodurre immediatamente i segmenti audio ricevuti.

Implementazioni tipiche:

Applicazioni vocali WebRTC
Assistenti basati su browser
App vocali mobili
Agenti telefonici IA

Passaggio 5: Aggiungi chiamate a funzione per gli agenti vocali

GPT-Realtime-2.1 supporta le chiamate a funzione, consentendo agli agenti vocali di eseguire azioni esterne.

Esempio:

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

Possibili workflow per agenti vocali:

"Dov'è il mio pacco?"
"Fissami una riunione per domani."
"Annulla il mio abbonamento."
"Controlla il saldo del mio conto."

Il modello può riconoscere la richiesta, chiamare lo strumento appropriato e proseguire la conversazione in modo naturale.

Passaggio 6: Configura ragionamento e istruzioni

GPT-Realtime-2.1 supporta uno sforzo di ragionamento configurabile.

Esempio:

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

Impostazioni consigliate:

Applicazione	Livello di ragionamento
Semplici comandi vocali	Basso
Assistenza clienti	Medio
Agenti di workflow complessi	Alto

FAQ

API

Copia un endpoint funzionante e un esempio di codice, poi apri il riferimento API completo quando ti serve ogni parametro.

Un'unica API, accesso ai modelli pronto per la produzione

Autenticati una sola volta, chiama l'endpoint del modello e mantieni lo stesso flusso di fatturazione e osservabilità tra i fornitori.

GET/v1/realtime

Codice di esempio e API per GPT-Realtime-2.1

Accedi a codice di esempio completo e risorse API per GPT-Realtime-2.1 per semplificare il tuo processo di integrazione. La nostra documentazione dettagliata fornisce una guida passo dopo passo, aiutandoti a sfruttare appieno il potenziale di GPT-Realtime-2.1 nei tuoi progetti.

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;
});

Capacità

Consulta i dati chiave del modello prima di scegliere un'architettura o stimare il carico in produzione.

Capacità supportate

Funzionalità restituite dall'API del modello esistente.

text-to-speech

Input e output

Input

text

Output

audio

Profilo di produzione

Fornitore: OpenAI
Contesto: Dipende dal modello
Uso commerciale: Supportato

Casi d'uso

Usa GPT-Realtime-2.1 per flussi di produzione in linea con le sue capacità audio, poi confronta altre alternative prima di un'integrazione a lungo termine.

Generazione di voce, musica e audio

Esperienze vocali e produzione media

Flussi di lavoro audio automatizzati su larga scala

Altri modelli

Confronta altri modelli disponibili tramite CometAPI in base a qualità, latenza, capacità e prezzo.

Apri confronto modelli →

ElevenLabs

Eleven V4

Eleven v4 è il modello di sintesi vocale espressivo di ElevenLabs, progettato per generare parlato dal suono naturale, con una ricca resa emotiva, consapevolezza del contesto e forte coerenza della voce.

Visualizza modello

ElevenLabs

ElevenLabs Voice Dubbing

Esplora l'API di ElevenLabs Voice Dubbing.

Visualizza modello

ElevenLabs

ElevenLabs Voice Isolation

Esplora l'API di ElevenLabs Voice Isolation.

Visualizza modello

Bytedance

Seed Audio

Esplora l'API di Seed Audio.

Visualizza modello

OpenAI

GPT-4o mini Audio

GPT-4o mini Audio è un modello multimodale per interazioni vocali e testuali. Esegue riconoscimento vocale, traduzione e sintesi vocale, segue le istruzioni e può richiamare strumenti per azioni strutturate con risposte in streaming. Gli usi tipici includono assistenti vocali in tempo reale, sottotitolazione e traduzione in tempo reale, riassunto delle chiamate e applicazioni controllate dalla voce. Le caratteristiche tecniche principali includono input e output audio, risposte in streaming, chiamata di funzioni e output JSON strutturato.

Visualizza modello

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe è un modello di trascrizione da audio a testo per il riconoscimento vocale multilingue a bassa latenza. Supporta lo streaming in tempo reale e la trascrizione in modalità batch dai formati audio comuni, con punteggiatura e segmentazione in frasi. Gli usi tipici includono sottotitoli in tempo reale, input per assistenti vocali, note di riunione e trascrizione di contenuti multimediali o di registrazioni di chiamate. Tra i punti salienti tecnici figurano il supporto della modalità audio, l’elaborazione di contenuti di lunga durata e API adatte a flussi di lavoro interattivi e lato server.

Visualizza modello

Disponibilità

Controlla i dati di heartbeat in tempo reale, la disponibilità dell'endpoint e i tempi di risposta osservati prima di passare in produzione.

Disponibilità

Tasso di successo delle richieste negli ultimi 30 giorni, che riflette l'affidabilità di ogni provider di modelli. CometAPI monitora tutti i provider connessi in tempo reale, 24 ore su 24, 7 giorni su 7.

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versioni

Controlla gli identificatori dei modelli disponibili prima di fissare un'integrazione in produzione.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Aggiornamenti

Segui le modifiche rilevanti alla disponibilità, ai prezzi e alle funzionalità di GPT-Realtime-2.1 senza perdere la pagina stabile del modello.

Registro delle modifiche del modello

Una pagina che migliora nel tempo.

Note di rilascio, variazioni dei prezzi, aggiornamenti dei benchmark e indicazioni per la migrazione si accumulano qui, mentre l'URL canonico rimane invariato.

Aug 7, 2026

Disponibilità dell'API confermata

GPT-Realtime-2.1 è disponibile tramite il catalogo dei modelli CometAPI e la documentazione dell'API.

Attuale

Dati in tempo reale

Prezzi e limiti sincronizzati dal catalogo

Prezzo, contesto, disponibilità e limiti sono trattati come proprietà dinamiche invece di essere incorporati nel titolo della pagina o nell'identità del modello.

Aug 7, 2026

Entità del modello permanente creata

Il provider e lo slug del modello formano un URL canonico duraturo; i futuri aggiornamenti di contenuti e dati rimarranno su questa pagina.

Continua a esplorare

Confronta i modelli e continua la tua ricerca

OpenAI

Disponibile

gpt-realtime-2.1

GPT-Realtime-2.1 API

Prezzo di partenza

$3.20 / 1M di token in input

Fatturazione a consumo

Stato dell'API

Disponibile

Endpoint di produzione

Risposta

Pronto per l'async

Tempo di risposta API osservato

Pubblicato

Aug 7, 2026

OpenAI

Prezzi

Usa la stima rapida sopra per una singola esecuzione, poi consulta il confronto completo tra CometAPI e prezzo ufficiale.

Prima richiesta

$0.0224

Costo stimato dell'utilizzo di CometAPI

Dieci richieste

$0.2240

Costo stimato dell'utilizzo di CometAPI

Quindici richieste

$0.3360

Costo stimato dell'utilizzo di CometAPI

⇌

Conversione dei crediti

1.000 crediti = 1 $

I crediti rendono confrontabili i budget tra fatturazione a token, a richiesta e a tempo di esecuzione. L'importo in USD resta il riferimento ufficiale al momento del pagamento.

✓Modello attuale in crediti

Input

3,200

crediti / 1M token

Output

19,200

crediti / 1M token

Modello	Prezzo Comet (USD / M token)	Prezzo ufficiale (USD / M token)	Sconto
gpt-realtime-2.1	Input: $3.20/M Output: $19.20/M	Input: $4.00/M Output: $24.00/M	-20%
gpt-realtime-2.1-mini	Input: $0.4800/M Output: $2.88/M	Input: $0.6000/M Output: $3.60/M	-20%

Panoramica del modello

Un'identità stabile del modello per la ricerca e la valutazione, abbinata a dati di catalogo in tempo reale che possono cambiare senza dover riscrivere la struttura SEO principale della pagina.

Identità stabile

Che cos'è GPT-Realtime-2.1?

L'identità canonica del modello rimane stabile al variare di prezzi e limiti.

Dati del modello in tempo reale

Istantanea attuale del catalogo

Disponibilità

Disponibile

Prezzo di partenza

$3.20 / 1M di token in input

Contesto

Visualizza le funzionalità

Data del catalogo

Aug 7, 2026

Panoramica

Una panoramica pratica di GPT-Realtime-2.1, con comportamenti importanti e considerazioni per l'integrazione.

Specifiche tecniche di GPT-Realtime-2.1

Specifiche	Dettagli
Nome del modello	GPT-Realtime-2.1
Fornitore	OpenAI
Famiglia di modelli	Serie GPT-Realtime
Tipo di modello	Modello di ragionamento vocale multimodale in tempo reale
Capacità principale	Agenti IA da parlato a parlato
Modalità di input	Testo, Audio, Immagine
Modalità di output	Testo, Audio
Finestra di contesto	128.000 token
Token massimi di output	32.000 token
Supporto al ragionamento	Sforzo di ragionamento configurabile
Chiamate a funzione	Supportato
Output strutturati	Non supportati
Fine-tuning	Non supportato
Input video	Non supportato
Endpoint API principale	Realtime API
Data limite della conoscenza	30 settembre 2024

Fonte: documentazione del modello GPT-Realtime-2.1 di OpenAI.

Che cos'è GPT-Realtime-2.1?

GPT-Realtime-2.1 è il modello vocale avanzato in tempo reale di OpenAI progettato per creare agenti conversazionali in grado di ascoltare, ragionare e rispondere in modo naturale tramite audio.

Il modello è ottimizzato per applicazioni vocali di produzione tra cui agenti di assistenza clienti, assistenti IA, automazione delle vendite, piattaforme educative ed esperienze vocali interattive.

Prestazioni di benchmark di GPT-Realtime-2.1

GPT-Realtime-2.1 si concentra su metriche pratiche di interazione in tempo reale:

Capacità	Miglioramento
Gestione delle interruzioni vocali	Migliorato
Robustezza al rumore	Migliorato
Riconoscimento alfanumerico	Migliorato
Workflow vocali basati su strumenti	Supportato
Interazione da parlato a parlato	Supportato

Funzionalità principali di GPT-Realtime-2.1

1. Interazione nativa da parlato a parlato

GPT-Realtime-2.1 elimina la necessità di pipeline separate di riconoscimento vocale e sintesi vocale.

Architettura vocale tradizionale:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Questo riduce la latenza e migliora il flusso conversazionale.

2. Qualità della conversazione vocale migliorata

GPT-Realtime-2.1 migliora diverse sfide vocali del mondo reale:

Migliore gestione delle interruzioni

Gli utenti possono interrompere l'IA in modo naturale mentre sta parlando.

Esempio:

Utente:

"Prenotami un volo per—anzi, cambia in Tokyo."

Il modello può riprendersi dai cambiamenti conversazionali senza riavviare l'interazione.

Migliore gestione del silenzio e del rumore

Il modello è ottimizzato per ambienti in cui la qualità audio è imperfetta:

Call center
Dispositivi mobili
Spazi pubblici
Dispositivi smart

3. Uso avanzato di strumenti da parte di agenti vocali

GPT-Realtime-2.1 supporta le chiamate a strumenti, consentendo agli agenti vocali di eseguire azioni.

Esempi:

Assistenza clienti:

User:
"Where is my order?"

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

Workflow aziendale:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Questo rende GPT-Realtime-2.1 adatto ad agenti vocali autonomi.

4. Capacità di ragionamento configurabile

A differenza dei modelli vocali in tempo reale precedenti ottimizzati principalmente per la velocità, GPT-Realtime-2.1 introduce uno sforzo di ragionamento configurabile.

Gli sviluppatori possono bilanciare:

Latenza della risposta
Accuratezza
Complessità del compito

Ragionamento basso:

Conversazioni semplici
Assistenti FAQ

Ragionamento più alto:

Richieste complesse dei clienti
Workflow multi-step
Operazioni aziendali

5. Miglior riconoscimento di numeri e informazioni tecniche

Gli agenti vocali spesso faticano con:

Numeri di conto
Numeri di serie
Indirizzi
Codici prodotto
Informazioni finanziarie

GPT-Realtime-2.1 migliora il riconoscimento alfanumerico, rendendolo più adatto ai sistemi vocali enterprise.

6. Supporto all'input multimodale

GPT-Realtime-2.1 supporta:

Input	Supporto
Testo	✅
Audio	✅
Immagine	✅
Video	❌

L'input immagine abilita scenari come:

Assistenza clienti visiva
Interpretazione di documenti
Assistenti basati su fotocamera

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

Modello	Punto di forza	Uso consigliato
GPT-Realtime-2.1	Miglior ragionamento in tempo reale + capacità di agente vocale	Agenti vocali in produzione
GPT-Realtime-2	Solido ragionamento vocale in tempo reale	App conversazionali avanzate
GPT-4o Realtime	Interazione multimodale veloce	Assistenti vocali generali

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 migliora:

Recupero dalle interruzioni vocali
Gestione del rumore
Accuratezza del riconoscimento
Robustezza della conversazione

Entrambi i modelli condividono:

Architettura da parlato a parlato
Chiamate a strumenti
Supporto al ragionamento
Accesso tramite Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 è posizionato per workflow di agenti più avanzati.

Rispetto a GPT-4o Realtime:

Capacità	GPT-Realtime-2.1	GPT-4o Realtime
Ragionamento	Più avanzato	Generale
Contesto	128K	32K
Uso di strumenti	Supportato	Supportato
Agenti vocali	Avanzati	Generali
Workflow complessi	Più adatto	Adatto

Come usare l'API di GPT-Realtime-2.1 con CometAPI

Passaggio 1: Ottieni la chiave API di CometAPI

Crea un account CometAPI e genera un token API dalla console sviluppatore.

La richiesta API deve includere:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

La chiave API autentica le richieste e consente alla tua applicazione di chiamare i modelli disponibili tramite CometAPI.

Passaggio 2: Crea una sessione GPT-Realtime-2.1

GPT-Realtime-2.1 funziona tramite una sessione persistente in tempo reale invece del tradizionale completamento chat richiesta-risposta.

Una sessione in tempo reale mantiene:

Flusso di input audio
Risposte del modello
Stato della conversazione
Chiamate a strumenti
Interruzioni

La Realtime API di OpenAI supporta la comunicazione in tempo reale tramite interfacce WebRTC, WebSocket e SIP.

Esempio:

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."
}
'

Risposta di esempio:

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

Passaggio 3: Invia input audio a GPT-Realtime-2.1

Dopo aver creato una sessione, invia in streaming l'audio dell'utente.

Workflow di esempio:

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

L'input audio può includere:

Conversazioni telefoniche
Comandi vocali
Chiamate di assistenza clienti
Assistenti interattivi

GPT-Realtime-2.1 migliora l'interazione vocale con migliore rilevamento del silenzio, gestione del rumore e comportamento alle interruzioni rispetto ai precedenti modelli in tempo reale.

Passaggio 4: Ricevi risposte audio in tempo reale

Il modello restituisce risposte audio generate tramite la connessione in tempo reale.

Evento di esempio:

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

La tua applicazione può riprodurre immediatamente i segmenti audio ricevuti.

Implementazioni tipiche:

Applicazioni vocali WebRTC
Assistenti basati su browser
App vocali mobili
Agenti telefonici IA

Passaggio 5: Aggiungi chiamate a funzione per gli agenti vocali

GPT-Realtime-2.1 supporta le chiamate a funzione, consentendo agli agenti vocali di eseguire azioni esterne.

Esempio:

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

Possibili workflow per agenti vocali:

"Dov'è il mio pacco?"
"Fissami una riunione per domani."
"Annulla il mio abbonamento."
"Controlla il saldo del mio conto."

Il modello può riconoscere la richiesta, chiamare lo strumento appropriato e proseguire la conversazione in modo naturale.

Passaggio 6: Configura ragionamento e istruzioni

GPT-Realtime-2.1 supporta uno sforzo di ragionamento configurabile.

Esempio:

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

Impostazioni consigliate:

Applicazione	Livello di ragionamento
Semplici comandi vocali	Basso
Assistenza clienti	Medio
Agenti di workflow complessi	Alto

FAQ

API

Copia un endpoint funzionante e un esempio di codice, poi apri il riferimento API completo quando ti serve ogni parametro.

Un'unica API, accesso ai modelli pronto per la produzione

Autenticati una sola volta, chiama l'endpoint del modello e mantieni lo stesso flusso di fatturazione e osservabilità tra i fornitori.

GET/v1/realtime

Codice di esempio e API per 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;
});

Capacità

Consulta i dati chiave del modello prima di scegliere un'architettura o stimare il carico in produzione.

Capacità supportate

Funzionalità restituite dall'API del modello esistente.

text-to-speech

Input e output

Input

text

Output

audio

Profilo di produzione

Fornitore: OpenAI
Contesto: Dipende dal modello
Uso commerciale: Supportato

Casi d'uso

Usa GPT-Realtime-2.1 per flussi di produzione in linea con le sue capacità audio, poi confronta altre alternative prima di un'integrazione a lungo termine.

Generazione di voce, musica e audio

Esperienze vocali e produzione media

Flussi di lavoro audio automatizzati su larga scala

Altri modelli

Confronta altri modelli disponibili tramite CometAPI in base a qualità, latenza, capacità e prezzo.

Apri confronto modelli →

ElevenLabs Voice Dubbing

Esplora l'API di ElevenLabs Voice Dubbing.

Visualizza modello

ElevenLabs

ElevenLabs Voice Isolation

Esplora l'API di ElevenLabs Voice Isolation.

Visualizza modello

Bytedance

Seed Audio

Esplora l'API di Seed Audio.

Disponibilità

Controlla i dati di heartbeat in tempo reale, la disponibilità dell'endpoint e i tempi di risposta osservati prima di passare in produzione.

Disponibilità

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versioni

Controlla gli identificatori dei modelli disponibili prima di fissare un'integrazione in produzione.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Aggiornamenti

Segui le modifiche rilevanti alla disponibilità, ai prezzi e alle funzionalità di GPT-Realtime-2.1 senza perdere la pagina stabile del modello.

Registro delle modifiche del modello

Una pagina che migliora nel tempo.

Note di rilascio, variazioni dei prezzi, aggiornamenti dei benchmark e indicazioni per la migrazione si accumulano qui, mentre l'URL canonico rimane invariato.

Aug 7, 2026

Disponibilità dell'API confermata

GPT-Realtime-2.1 è disponibile tramite il catalogo dei modelli CometAPI e la documentazione dell'API.

Attuale

Dati in tempo reale

Prezzi e limiti sincronizzati dal catalogo

Prezzo, contesto, disponibilità e limiti sono trattati come proprietà dinamiche invece di essere incorporati nel titolo della pagina o nell'identità del modello.

Aug 7, 2026

Entità del modello permanente creata

Il provider e lo slug del modello formano un URL canonico duraturo; i futuri aggiornamenti di contenuti e dati rimarranno su questa pagina.

Continua a esplorare