OpenAI

Қолжетімді

gpt-realtime-2

GPT-Realtime-2 API

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

GPT-Realtime-2 — біздің ең қабілетті нақты уақыттағы дауыс моделіміз. Ол сөйлеуден сөйлеуге өзара әрекеттесуді, пайымдау деңгейін реттеуді, нұсқауларды неғұрлым қатаң ұстануды және күрделі дауыстық агент жұмыс ағындары үшін құралдарды неғұрлым сенімді пайдалануды қолдайды.

Бастапқы баға

$3.20 / 1М кіріс токен

Пайдалануға негізделген төлем

API күйі

Қолжетімді

Өндірістік соңғы нүкте

Жауап беру уақыты

Async-қа дайын

Байқалған API жауап беру уақыты

Шығарылған күні

Jul 14, 2026

OpenAI

Шолу

GPT-Realtime-2 туралы маңызды мінез-құлық пен интеграция ерекшеліктерін қамтитын практикалық шолу.

GPT-Realtime-2 техникалық спецификациялары

Спецификация	Егжей-тегжейі
Шығарылым	2026 жылғы 7 мамыр
API	Realtime API (GA)
Кіріс	Аудио, мәтін, бейнелер
Шығыс	Аудио, мәтін
Пайымдау	GPT-5 деңгейіндегі
Стриминг	Иә
Толық дуплекс	Иә
Функцияларды шақыру	Иә
Көпмодальды	Иә
Үзілістер	Қолдау көрсетіледі
Төмен кідіріс	Иә
Кәсіпорын деңгейіндегі SLA	Иә
Өндірістік қолдануға дайын	Иә

GPT-Realtime-2 деген не

GPT-Realtime-2 дәстүрлі сөйлесу тізбектерінен әрі өтіп, біріктірілген, аудиоға табиғи бейімделген архитектурамен және GPT-5 деңгейіндегі пайымдаумен жасалған сөйлесу AIындағы маңызды қадам болып табылады. Ағынды сөйлеуді, көпмодальды кірістерді, функцияларды шақыруды және кәсіпорын деңгейінде енгізуді қолдауы оны келесі буын дауыс агенттері, тұтынушыларды қолдау, денсаулық сақтау, білім беру және интеллектуалды ассистенттер үшін өте қолайлы етеді.

GPT-Realtime-2 мүмкіндіктері мен басты ерекшеліктері

1. GPT-5 деңгейіндегі пайымдау

Алдыңғы реалтайм модельдерінен өзгеше, GPT-Realtime-2 мынадарды шеше алады:

көпқадамды тапсырмалар
терең пайымдауды қажет ететін сұраулар
жоспарлау
кестелеу
күрделі диалогтар

жай ғана жатық сөйлеу генерациясымен шектелмей.

2. Өте төмен кідіріс

Келесі үшін әзірленген:

телефон агенттері
дауыс ассистенттері
тұтынушыларды қолдау
AI серіктері

2026 жылғы шілдедегі жаңарту p95 кідірісті кемінде 25%-ға азайтты.

3. Құралдарды шақыру

Тікелей сөйлесу барысында модель:

деректер базаларын іздей алады
қорды тексере алады
CRM-лерді сұрай алады
құжаттарды ала алады
API-лерді орындай алады
арнайы функцияларды шақыра алады

сөйлесуді тоқтатпай-ақ.

4. Табиғи сөйлеу

Модель қолдайды:

үзілістер
табиғи паузалар
әңгіме ырғағы
толтырғыш сөздер
эмоцияны ескеретін тайминг
динамикалық сөйлеу жылдамдығы

сөйлесуді адам диалогына барынша жақын сезіндіреді.

5. Көпмодальды түсіну

Кірістер мыналарды қамтуы мүмкін:

дауыс
мәтін
бейнелер

төмендегідей сценарийлерге мүмкіндік береді:

"Мен мәселені түсіндіріп жатқанда осы бейнеге қараңыз."

6. Өндірістік сенімділік

GA Realtime API мына мүмкіндіктерді ұсынады:

SLA қолдауы
тұрақты SDK-лар
өндірістік эндпоинттер
кәсіпорын деңгейінде енгізу

бұрынғы бета қызметтен әрі өтті.

GPT-Realtime-2-нің бенчмарк өнімділігі

OpenAI GPT-Realtime-2 үшін толық бенчмарк жинағын жариялаудан гөрі сапалық жақсартуларға басымдық берді. Жарияланған көрсеткіштер мыналарды қамтиды:

Көрсеткіш	GPT-Realtime-2
Сөйлеуден сөйлеуге	Нативті
GPT-5 деңгейіндегі пайымдау	Иә
Құралдарды шақыру	Иә
Бейнелерді түсіну	Иә
Стриминг	Иә
Өндірістік SLA	Иә
Үзілістер	Нативті
p95 кідірісін жақсарту (v2.1)	≥25%

GPT-Realtime-2 басқа дауыс модельдерімен салыстыру

Ерекшелік	GPT-Realtime-2	GPT-4o Realtime	Gemini Live	ElevenLabs Conversational AI
Аудио нативті	✅	Жартылай	Иә	Жоқ
GPT-5 деңгейіндегі пайымдау	✅	Жоқ	Жоқ	Жоқ
Функцияларды шақыру	✅	Шектеулі	Шектеулі	Жоқ
Бейне енгізу	✅	Иә	Иә	Жоқ
Кәсіпорын API-і	✅	Beta	Иә	Иә
Стриминг	✅	Иә	Иә	Иә
Толық дуплекс	✅	Жартылай	Иә	Жоқ
Өндірістік SLA	✅	Жоқ	Иә	N/A

GPT-Realtime-2 өндірістік қолдануға дайын API-де төмен кідіріспен сөйлеу өзара әрекеттесуімен қатар жетілдірілген пайымдауды біріктіру арқылы ерекшеленеді.

Шектеулер

Аудио токендерінің құны тек мәтіндік инференсқа қарағанда жоғары.
Ұзаққа созылатын дауыс сеанстары өткізу қабілеті мен кідірісті мұқият басқаруды талап етеді.
Дауысқа тән белгілер танылғанымен, тәуелсіз зерттеулер эмоциялық контекст әрдайым кейінгі шешімдерде біркелкі көрініс таппайтынын көрсетеді, сондықтан сезімтал қолданбаларда адам бақылауы маңызды болып қала береді.

CometAPI-де GPT-Realtime-2 API-ін қалай пайдалану керек

CometAPI әзірлеушілерге OpenAI-мен үйлесімді реалтайм модельдерін қоса алғанда, бірнеше AI модельдеріне бірыңғай интерфейс арқылы қол жеткізуге мүмкіндік беретін бірыңғай API шлюзін ұсынады (қолжетімділік жеткізушінің қолдайтын каталогына байланысты).

Әдеттегі жұмыс барысы:

Қадам 1: Тіркелгі жасау

CometAPI платформасында тіркеліп, API кілтін алыңыз.

Қадам 2: Аутентификацияны баптау

Сұраныс тақырыбына API кілтіңізді қосыңыз:

Authorization: Bearer YOUR_API_KEY

Қадам 3: Модельді таңдау

Реалтайм модель идентификаторын көрсетіңіз (мысалы, сіздің CometAPI тіркелгіңіз қолдайтын GPT-Realtime-2 модель атауы).

Қадам 4: Реалтайм сеансын орнату

Екі бағытта аудионы ағынмен беру үшін API қолдайтын WebSocket немесе реалтайм қосылымын ашыңыз.

Қадам 5: Аудионы ағынмен жіберу

Микрофон аудиосын үздіксіз жіберіп, төмен кідіріспен сөйлесуге мүмкіндік беретін ағынды сөйлеу жауаптарын қабылдаңыз.

Қадам 6: Кеңейтілген мүмкіндіктерді іске қосу

CometAPI жүзеге асыруына байланысты, сіз мына параметрлерді баптай аласыз:

функция/құралдарды шақыру
әңгіме жады
бейне енгізулер
дауыс белсенділігін анықтау
үзілістерді өңдеу
пайымдау деңгейі (қолдау көрсетілген жерлерде)

Іске асыруға дейін қолдау көрсетілетін модель атаулары, эндпоинттер, аутентификация және реалтайм протоколы туралы мәліметтерді тексеру үшін CometAPI-дің ағымдағы құжаттамасын қараңыз, себебі олар OpenAI-дің ресми API-інен тәуелсіз түрде өзгеруі мүмкін.

Баға белгілеу

Жоғарыдағы жылдам бағалауды бір іске қосу үшін пайдаланыңыз, содан кейін CometAPI мен ресми баға арасындағы толық салыстыруды қараңыз.

Бірінші сұраныс

$0.0224

Болжамды CometAPI пайдалану құны

Он сұраныс

$0.224

Болжамды CometAPI пайдалану құны

Он бес сұраныс

$0.336

Болжамды CometAPI пайдалану құны

GPT-Realtime-2 үшін баға белгілеу

[Модель атауы] үшін әртүрлі бюджеттер мен пайдалану қажеттіліктеріне сәйкес келетін бәсекеге қабілетті баға белгілеуді зерттеңіз. Біздің икемді жоспарларымыз сіз тек пайдаланған нәрсеңіз үшін ғана төлеуіңізді қамтамасыз етеді, бұл сіздің талаптарыңыз өскен сайын масштабтауды жеңілдетеді. [Модель атауы] шығындарды басқарылатын деңгейде ұстай отырып, сіздің жобаларыңызды қалай жақсарта алатынын біліңіз.

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

API

Жұмыс істейтін соңғы нүкте мен код мысалын көшіріңіз, барлық параметрлер қажет болғанда толық API анықтамалығын ашыңыз.

Бір API, өндіріске дайын модельге қолжетімділік

Бір рет аутентификациядан өтіп, модель соңғы нүктесін шақырыңыз және провайдерлер арасында бірдей төлем мен бақылау процесін сақтаңыз.

GET/v1/realtime

GPT-Realtime-2 үшін үлгі код және API

[Модель атауы] үшін кешенді үлгі кодтары мен API ресурстарына қол жеткізіп, интеграция процесіңізді жеңілдетіңіз. Біздің толық құжаттама қадам-қадаммен нұсқаулық береді, жобаларыңызда [Модель атауы] мүмкіндіктерін толық пайдалануға көмектеседі.

GET

/v1/realtime

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2"

cURL Code Example

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2"

Python Code Example

"""Send one text turn to gpt-realtime-2 over the Realtime WebSocket API.

Install the client with: pip install websocket-client
"""

import json
import os
from urllib.parse import urlencode

from websocket import create_connection


MODEL = "gpt-realtime-2"
BASE_URL = "wss://api.cometapi.com"
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"


def get(path: str) -> str:
    """Build a WebSocket URL for the API's GET route."""

    return f"{BASE_URL}{path}?{urlencode({'model': MODEL})}"


socket = create_connection(
    get("/v1/realtime"),
    header=[
        f"Authorization: Bearer {COMETAPI_KEY}",
        "OpenAI-Beta: realtime=v1",
    ],
    timeout=30,
)

try:
    socket.send(
        json.dumps(
            {
                "type": "session.update",
                "session": {
                    "modalities": ["text"],
                    "instructions": "Answer clearly and concisely.",
                },
            }
        )
    )
    socket.send(
        json.dumps(
            {
                "type": "conversation.item.create",
                "item": {
                    "type": "message",
                    "role": "user",
                    "content": [
                        {
                            "type": "input_text",
                            "text": "Give me one tip for a productive meeting.",
                        }
                    ],
                },
            }
        )
    )
    socket.send(json.dumps({"type": "response.create"}))

    while True:
        event = json.loads(socket.recv())
        event_type = event.get("type")
        if event_type in {
            "response.text.delta",
            "response.output_text.delta",
            "response.audio_transcript.delta",
            "response.output_audio_transcript.delta",
        }:
            print(event.get("delta", ""), end="", flush=True)
        elif event_type == "error":
            raise RuntimeError(json.dumps(event.get("error", event), indent=2))
        elif event_type == "response.done":
            print()
            break
finally:
    socket.close()

JavaScript Code Example

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

const model = "gpt-realtime-2";
const baseUrl = "wss://api.cometapi.com";
const apiKey = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";

function get(path) {
  const url = new URL(`${baseUrl}${path}`);
  url.searchParams.set("model", model);
  return url;
}

const socket = new WebSocket(get("/v1/realtime"), [
  "realtime",
  `openai-insecure-api-key.${apiKey}`,
  "openai-beta.realtime-v1",
]);

socket.addEventListener("open", () => {
  socket.send(
    JSON.stringify({
      type: "session.update",
      session: {
        modalities: ["text"],
        instructions: "Answer clearly and concisely.",
      },
    }),
  );
  socket.send(
    JSON.stringify({
      type: "conversation.item.create",
      item: {
        type: "message",
        role: "user",
        content: [
          {
            type: "input_text",
            text: "Give me one tip for a productive meeting.",
          },
        ],
      },
    }),
  );
  socket.send(JSON.stringify({ type: "response.create" }));
});

socket.addEventListener("message", ({ data }) => {
  const event = JSON.parse(data.toString());
  if (
    [
      "response.text.delta",
      "response.output_text.delta",
      "response.audio_transcript.delta",
      "response.output_audio_transcript.delta",
    ].includes(event.type)
  ) {
    process.stdout.write(event.delta || "");
  } else if (event.type === "error") {
    console.error(JSON.stringify(event.error || event, null, 2));
    socket.close();
    process.exitCode = 1;
  } else if (event.type === "response.done") {
    process.stdout.write("\n");
    socket.close();
  }
});

socket.addEventListener("error", (error) => {
  console.error("WebSocket error:", error.message || error);
  process.exitCode = 1;
});

Мүмкіндіктер

Архитектураны таңдамас немесе өндірістік жүктемені бағаламас бұрын модельдің маңызды деректерін қарап шығыңыз.

Қолдау көрсетілетін мүмкіндіктер

Қолданыстағы модель API қайтаратын мүмкіндіктер.

text-to-speech

Кіріс және шығыс

Кірістер

text

Шығыстар

audio

Өндірістік профиль

Провайдер: OpenAI
Контекст: Модельге байланысты
Коммерциялық пайдалану: Қолдау көрсетіледі

Қолдану жағдайлары

GPT-Realtime-2 моделін оның audio мүмкіндіктеріне сәйкес өндірістік жұмыс ағындарында пайдаланыңыз, содан кейін ұзақ мерзімді интеграцияға кірісер алдында баламаларды салыстырыңыз.

Сөйлеу, музыка және аудио генерациясы

Дауыстық тәжірибелер мен медиа өндіру

Ауқымды автоматтандырылған аудио жұмыс ағындары

Басқа модельдер

Сапасы, кідірісі, мүмкіндіктері мен бағасы бойынша CometAPI арқылы қолжетімді басқа модельдерді салыстырыңыз.

Модельдерді салыстыруды ашу →

OpenAI

gpt-audio-1.5

Chat Completions арқылы аудио енгізу, аудио шығару үшін ең жақсы дауыс моделі.

Модельді көру

OpenAI

GPT-Realtime-2.1

GPT-Realtime-2.1 updates GPT-Realtime-2 with improved alphanumeric recognition, silence and noise handling, and interruption behavior. It supports speech-to-speech interactions with configurable reasoning effort, instruction following, and tool use for complex voice-agent workflows.

Модельді көру

OpenAI

gpt-realtime-1.5

Аудио кіріс пен аудио шығысқа арналған ең үздік дауыстық модель.

Модельді көру

OpenAI

TTS

OpenAI мәтінді сөйлеуге түрлендіру

Модельді көру

OpenAI

Whisper-1

请提供需要处理的音频文件/语音链接或原文文本；我可先将语音转写为文字，再将内容准确翻译为哈萨克语。若需其他目标语言或特定术语/风格，请一并说明。

Модельді көру

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe — көптілді, төмен кідірісті сөйлеуді тануға арналған дыбыстан мәтінге түрлендіру моделі. Ол кең таралған аудио пішімдерінен тыныс белгілерін және сөйлемдерге бөлуді қамтитын нақты уақыттағы ағындық және топтамалық транскрипцияны қолдайды. Әдеттегі қолдану сценарийлеріне тікелей субтитрлер, дауыс көмекшісіне енгізу, жиналыс жазбалары, сондай-ақ медиа немесе қоңырау жазбаларының транскрипциясы жатады. Техникалық ерекшеліктеріне аудио модалдылығын қолдау, ұзақ форматтағы өңдеу және интерактивті әрі серверлік жұмыс ағындарына лайықталған API-лер жатады.

Модельді көру

Uptime

Өндіріске көшпес бұрын нақты уақыттағы heartbeat деректерін, соңғы нүкте қолжетімділігін және байқалған жауап беру уақытын қараңыз.

Нұсқалар

Өндірістік интеграцияны бекітпес бұрын қолжетімді модель идентификаторларын қараңыз.

gpt-realtime-2

gpt-realtime-2.1

gpt-realtime-2.1-mini

Шолуды жалғастыру

Модельдерді салыстырып, зерттеуіңізді жалғастырыңыз

OpenAI

Қолжетімді

gpt-realtime-2

GPT-Realtime-2 API

Бастапқы баға

$3.20 / 1М кіріс токен

Пайдалануға негізделген төлем

API күйі

Қолжетімді

Өндірістік соңғы нүкте

Жауап беру уақыты

Async-қа дайын

Байқалған API жауап беру уақыты

Шығарылған күні

Jul 14, 2026

OpenAI

Шолу

GPT-Realtime-2 туралы маңызды мінез-құлық пен интеграция ерекшеліктерін қамтитын практикалық шолу.

GPT-Realtime-2 техникалық спецификациялары

Спецификация	Егжей-тегжейі
Шығарылым	2026 жылғы 7 мамыр
API	Realtime API (GA)
Кіріс	Аудио, мәтін, бейнелер
Шығыс	Аудио, мәтін
Пайымдау	GPT-5 деңгейіндегі
Стриминг	Иә
Толық дуплекс	Иә
Функцияларды шақыру	Иә
Көпмодальды	Иә
Үзілістер	Қолдау көрсетіледі
Төмен кідіріс	Иә
Кәсіпорын деңгейіндегі SLA	Иә
Өндірістік қолдануға дайын	Иә

GPT-Realtime-2 деген не

GPT-Realtime-2 мүмкіндіктері мен басты ерекшеліктері

1. GPT-5 деңгейіндегі пайымдау

Алдыңғы реалтайм модельдерінен өзгеше, GPT-Realtime-2 мынадарды шеше алады:

көпқадамды тапсырмалар
терең пайымдауды қажет ететін сұраулар
жоспарлау
кестелеу
күрделі диалогтар

жай ғана жатық сөйлеу генерациясымен шектелмей.

2. Өте төмен кідіріс

Келесі үшін әзірленген:

телефон агенттері
дауыс ассистенттері
тұтынушыларды қолдау
AI серіктері

2026 жылғы шілдедегі жаңарту p95 кідірісті кемінде 25%-ға азайтты.

3. Құралдарды шақыру

Тікелей сөйлесу барысында модель:

деректер базаларын іздей алады
қорды тексере алады
CRM-лерді сұрай алады
құжаттарды ала алады
API-лерді орындай алады
арнайы функцияларды шақыра алады

сөйлесуді тоқтатпай-ақ.

4. Табиғи сөйлеу

Модель қолдайды:

үзілістер
табиғи паузалар
әңгіме ырғағы
толтырғыш сөздер
эмоцияны ескеретін тайминг
динамикалық сөйлеу жылдамдығы

сөйлесуді адам диалогына барынша жақын сезіндіреді.

5. Көпмодальды түсіну

Кірістер мыналарды қамтуы мүмкін:

дауыс
мәтін
бейнелер

төмендегідей сценарийлерге мүмкіндік береді:

"Мен мәселені түсіндіріп жатқанда осы бейнеге қараңыз."

6. Өндірістік сенімділік

GA Realtime API мына мүмкіндіктерді ұсынады:

SLA қолдауы
тұрақты SDK-лар
өндірістік эндпоинттер
кәсіпорын деңгейінде енгізу

бұрынғы бета қызметтен әрі өтті.

GPT-Realtime-2-нің бенчмарк өнімділігі

Көрсеткіш	GPT-Realtime-2
Сөйлеуден сөйлеуге	Нативті
GPT-5 деңгейіндегі пайымдау	Иә
Құралдарды шақыру	Иә
Бейнелерді түсіну	Иә
Стриминг	Иә
Өндірістік SLA	Иә
Үзілістер	Нативті
p95 кідірісін жақсарту (v2.1)	≥25%

GPT-Realtime-2 басқа дауыс модельдерімен салыстыру

Ерекшелік	GPT-Realtime-2	GPT-4o Realtime	Gemini Live	ElevenLabs Conversational AI
Аудио нативті	✅	Жартылай	Иә	Жоқ
GPT-5 деңгейіндегі пайымдау	✅	Жоқ	Жоқ	Жоқ
Функцияларды шақыру	✅	Шектеулі	Шектеулі	Жоқ
Бейне енгізу	✅	Иә	Иә	Жоқ
Кәсіпорын API-і	✅	Beta	Иә	Иә
Стриминг	✅	Иә	Иә	Иә
Толық дуплекс	✅	Жартылай	Иә	Жоқ
Өндірістік SLA	✅	Жоқ	Иә	N/A

Шектеулер

Аудио токендерінің құны тек мәтіндік инференсқа қарағанда жоғары.
Ұзаққа созылатын дауыс сеанстары өткізу қабілеті мен кідірісті мұқият басқаруды талап етеді.
Дауысқа тән белгілер танылғанымен, тәуелсіз зерттеулер эмоциялық контекст әрдайым кейінгі шешімдерде біркелкі көрініс таппайтынын көрсетеді, сондықтан сезімтал қолданбаларда адам бақылауы маңызды болып қала береді.

CometAPI-де GPT-Realtime-2 API-ін қалай пайдалану керек

Әдеттегі жұмыс барысы:

Қадам 1: Тіркелгі жасау

CometAPI платформасында тіркеліп, API кілтін алыңыз.

Қадам 2: Аутентификацияны баптау

Сұраныс тақырыбына API кілтіңізді қосыңыз:

Authorization: Bearer YOUR_API_KEY

Қадам 3: Модельді таңдау

Қадам 4: Реалтайм сеансын орнату

Екі бағытта аудионы ағынмен беру үшін API қолдайтын WebSocket немесе реалтайм қосылымын ашыңыз.

Қадам 5: Аудионы ағынмен жіберу

Қадам 6: Кеңейтілген мүмкіндіктерді іске қосу

CometAPI жүзеге асыруына байланысты, сіз мына параметрлерді баптай аласыз:

функция/құралдарды шақыру
әңгіме жады
бейне енгізулер
дауыс белсенділігін анықтау
үзілістерді өңдеу
пайымдау деңгейі (қолдау көрсетілген жерлерде)

Баға белгілеу

Бірінші сұраныс

$0.0224

Болжамды CometAPI пайдалану құны

Он сұраныс

$0.224

Болжамды CometAPI пайдалану құны

Он бес сұраныс

$0.336

Болжамды CometAPI пайдалану құны

GPT-Realtime-2 үшін баға белгілеу

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

API

Бір API, өндіріске дайын модельге қолжетімділік

GET/v1/realtime

GPT-Realtime-2 үшін үлгі код және API

GET

/v1/realtime

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2"

cURL Code Example

set -euo pipefail

# curl can perform the HTTP Upgrade handshake and print the Realtime WebSocket
# byte stream. Use the Python or JavaScript example to send framed events.
WEBSOCKET_KEY="$(openssl rand -base64 16)"

curl --http1.1 --include --no-buffer \
  --request GET \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "OpenAI-Beta: realtime=v1" \
  --header "Connection: Upgrade" \
  --header "Upgrade: websocket" \
  --header "Sec-WebSocket-Version: 13" \
  --header "Sec-WebSocket-Key: ${WEBSOCKET_KEY}" \
  "https://api.cometapi.com/v1/realtime""?model=gpt-realtime-2"

Python Code Example

"""Send one text turn to gpt-realtime-2 over the Realtime WebSocket API.

Install the client with: pip install websocket-client
"""

import json
import os
from urllib.parse import urlencode

from websocket import create_connection


MODEL = "gpt-realtime-2"
BASE_URL = "wss://api.cometapi.com"
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"


def get(path: str) -> str:
    """Build a WebSocket URL for the API's GET route."""

    return f"{BASE_URL}{path}?{urlencode({'model': MODEL})}"


socket = create_connection(
    get("/v1/realtime"),
    header=[
        f"Authorization: Bearer {COMETAPI_KEY}",
        "OpenAI-Beta: realtime=v1",
    ],
    timeout=30,
)

try:
    socket.send(
        json.dumps(
            {
                "type": "session.update",
                "session": {
                    "modalities": ["text"],
                    "instructions": "Answer clearly and concisely.",
                },
            }
        )
    )
    socket.send(
        json.dumps(
            {
                "type": "conversation.item.create",
                "item": {
                    "type": "message",
                    "role": "user",
                    "content": [
                        {
                            "type": "input_text",
                            "text": "Give me one tip for a productive meeting.",
                        }
                    ],
                },
            }
        )
    )
    socket.send(json.dumps({"type": "response.create"}))

    while True:
        event = json.loads(socket.recv())
        event_type = event.get("type")
        if event_type in {
            "response.text.delta",
            "response.output_text.delta",
            "response.audio_transcript.delta",
            "response.output_audio_transcript.delta",
        }:
            print(event.get("delta", ""), end="", flush=True)
        elif event_type == "error":
            raise RuntimeError(json.dumps(event.get("error", event), indent=2))
        elif event_type == "response.done":
            print()
            break
finally:
    socket.close()

JavaScript Code Example

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

const model = "gpt-realtime-2";
const baseUrl = "wss://api.cometapi.com";
const apiKey = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";

function get(path) {
  const url = new URL(`${baseUrl}${path}`);
  url.searchParams.set("model", model);
  return url;
}

const socket = new WebSocket(get("/v1/realtime"), [
  "realtime",
  `openai-insecure-api-key.${apiKey}`,
  "openai-beta.realtime-v1",
]);

socket.addEventListener("open", () => {
  socket.send(
    JSON.stringify({
      type: "session.update",
      session: {
        modalities: ["text"],
        instructions: "Answer clearly and concisely.",
      },
    }),
  );
  socket.send(
    JSON.stringify({
      type: "conversation.item.create",
      item: {
        type: "message",
        role: "user",
        content: [
          {
            type: "input_text",
            text: "Give me one tip for a productive meeting.",
          },
        ],
      },
    }),
  );
  socket.send(JSON.stringify({ type: "response.create" }));
});

socket.addEventListener("message", ({ data }) => {
  const event = JSON.parse(data.toString());
  if (
    [
      "response.text.delta",
      "response.output_text.delta",
      "response.audio_transcript.delta",
      "response.output_audio_transcript.delta",
    ].includes(event.type)
  ) {
    process.stdout.write(event.delta || "");
  } else if (event.type === "error") {
    console.error(JSON.stringify(event.error || event, null, 2));
    socket.close();
    process.exitCode = 1;
  } else if (event.type === "response.done") {
    process.stdout.write("\n");
    socket.close();
  }
});

socket.addEventListener("error", (error) => {
  console.error("WebSocket error:", error.message || error);
  process.exitCode = 1;
});

Мүмкіндіктер

Қолдау көрсетілетін мүмкіндіктер

Қолданыстағы модель API қайтаратын мүмкіндіктер.

text-to-speech

Кіріс және шығыс

Кірістер

text

Шығыстар

audio

Өндірістік профиль

Провайдер: OpenAI
Контекст: Модельге байланысты
Коммерциялық пайдалану: Қолдау көрсетіледі

Қолдану жағдайлары

Сөйлеу, музыка және аудио генерациясы

Дауыстық тәжірибелер мен медиа өндіру

Ауқымды автоматтандырылған аудио жұмыс ағындары

Басқа модельдер

Сапасы, кідірісі, мүмкіндіктері мен бағасы бойынша CometAPI арқылы қолжетімді басқа модельдерді салыстырыңыз.

Модельдерді салыстыруды ашу →

OpenAI

gpt-audio-1.5

Chat Completions арқылы аудио енгізу, аудио шығару үшін ең жақсы дауыс моделі.

Аудио кіріс пен аудио шығысқа арналған ең үздік дауыстық модель.

Модельді көру

OpenAI

TTS

OpenAI мәтінді сөйлеуге түрлендіру

Uptime

Нұсқалар

Өндірістік интеграцияны бекітпес бұрын қолжетімді модель идентификаторларын қараңыз.

gpt-realtime-2

gpt-realtime-2.1

gpt-realtime-2.1-mini

Шолуды жалғастыру