Hvilke bransjer kan bruke GPT-Realtime-2.1 API?

GPT-Realtime-2.1 passer for kundeservice, salgsautomatisering, helseassistenter, utdanningsplattformer og applikasjoner for smarte enheter.

Støtter GPT-Realtime-2.1 funksjonskall?

Ja. GPT-Realtime-2.1 støtter verktøybruk og funksjonskall, noe som gjør at stemmeassistenter kan utføre eksterne handlinger under samtaler.

Hvor stort er kontekstvinduet i GPT-Realtime-2.1?

GPT-Realtime-2.1 støtter et kontekstvindu på 128,000 tokens og opptil 32,000 utdata-tokens.

Kan GPT-Realtime-2.1 API lage sanntidsstemmeassistenter?

Ja. GPT-Realtime-2.1 er utviklet for tale-til-tale-applikasjoner og gjør det mulig for utviklere å bygge samtaleorienterte stemmeassistenter med lav latens.

Hvilke inn- og utgangsmodaliteter støtter GPT-Realtime-2.1?

GPT-Realtime-2.1 støtter tekst- og lydinn/-utgang samt bildeinngang, men støtter ikke videoinngang.

Hvilke forbedringer har GPT-Realtime-2.1 sammenlignet med GPT-Realtime-2?

GPT-Realtime-2.1 forbedrer alfanumerisk gjenkjenning, håndtering av stillhet, støyrobusthet og oppførsel ved avbrudd, samtidig som sanntidsresonnering og verktøybruk opprettholdes.

Når bør utviklere velge GPT-Realtime-2.1 i stedet for GPT-4o Realtime API?

Utviklere bør velge GPT-Realtime-2.1 for avanserte stemmeassistenter som krever sterkere resonnering, kjøring av verktøy og komplekse samtaleflyter.

OpenAI

Tilgjengelig

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.

Startpris

$3.20 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Aug 7, 2026

OpenAI

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0224

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.2240

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.3360

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

3,200

kreditter / 1 mill. tokener

Utdata

19,200

kreditter / 1 mill. tokener

Åpenhet om minstebeløp Denne prototypen forutsetter ikke et skjult minstebeløp per forespørsel. Hvis det gjelder en nedre faktureringsgrense eller et minste påfyllingsbeløp i produksjon, må dette vises før kjøpet og inkluderes i alle kostnadsestimater.

Modell	Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
gpt-realtime-2.1	Inndata: $3.20/mill. Utdata: $19.20/mill.	Inndata: $4.00/mill. Utdata: $24.00/mill.	-20%
gpt-realtime-2.1-mini	Inndata: $0.4800/mill. Utdata: $2.88/mill.	Inndata: $0.6000/mill. Utdata: $3.60/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er GPT-Realtime-2.1?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$3.20 / 1 mill. input-tokens

Kontekst

Se funksjoner

Katalogdato

Aug 7, 2026

Oversikt

En praktisk oversikt over GPT-Realtime-2.1, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for GPT-Realtime-2.1

Spesifikasjon	Detaljer
Modellnavn	GPT-Realtime-2.1
Tilbyder	OpenAI
Modellfamilie	GPT-Realtime-serien
Modelltype	Sanntids multimodal taleresonneringsmodell
Primær funksjon	Tale-til-tale AI-agenter
Inndatamodaliteter	Tekst, Lyd, Bilde
Utdatamodaliteter	Tekst, Lyd
Kontekstvindu	128,000 tokens
Maksimalt antall utdata-tokens	32,000 tokens
Støtte for resonnering	Konfigurerbar resonneringsinnsats
Funksjonskalling	Støttes
Strukturerte utdata	Støttes ikke
Finjustering	Støttes ikke
Video-inndata	Støttes ikke
Hoved-API-endepunkt	Realtime API
Kunnskapsavgrensning	30. september 2024

Kilde: OpenAI-dokumentasjon for modellen GPT-Realtime-2.1.

Hva er GPT-Realtime-2.1?

GPT-Realtime-2.1 er OpenAIs avanserte sanntids talemodell, designet for å bygge konversasjonsbaserte AI-agenter som kan lytte, resonnerer og svare naturlig via lyd.

Sammenlignet med tradisjonelle stemmeassistenter som er avhengige av separate kjeder for talegjenkjenning, språkforståelse og tekst-til-tale, tilbyr GPT-Realtime-2.1 innebygd tale-til-tale-interaksjon, som muliggjør samtaler med lavere latens, bedre håndtering av avbrytelser og sterkere kontekstforståelse.

Modellen er optimalisert for produksjonsklare taleapplikasjoner, inkludert kundeserviceagenter, AI-assistenter, salgsautomatisering, utdanningsplattformer og interaktive taleopplevelser.

Benchmark-ytelse for GPT-Realtime-2.1

Forbedringene i GPT-Realtime-2.1 fokuserer på praktiske sanntidsinteraksjonsmålinger:

Kapasitet	Forbedring
Håndtering av avbrytelser i tale	Forbedret
Støyrobusthet	Forbedret
Alfanumerisk gjenkjenning	Forbedret
Verktøybaserte talearbeidsflyter	Støttes
Tale-til-tale-interaksjon	Støttes

Hovedfunksjoner i GPT-Realtime-2.1

1. Innebygd tale-til-tale-interaksjon

GPT-Realtime-2.1 fjerner behovet for separate pipelines for talegjenkjenning og tekst-til-tale.

Tradisjonell stemmearkitektur:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Dette reduserer latens og forbedrer samtaleflyten.

2. Forbedret kvalitet i talesamtaler

GPT-Realtime-2.1 forbedrer flere reelle utfordringer i talesammenheng:

Bedre håndtering av avbrytelser

Brukere kan avbryte AI-en naturlig mens den snakker.

Eksempel:

Bruker:

"Bestill en flyreise til—nei, endre det til Tokyo."

Modellen kan hente seg inn ved samtaleskifter uten å måtte starte interaksjonen på nytt.

Bedre håndtering av stillhet og støy

Modellen er optimalisert for miljøer der lydkvaliteten er uperfekt:

Callsentre
Mobile enheter
Offentlige rom
Smarte enheter

3. Avansert verktøybruk for taleagenter

GPT-Realtime-2.1 støtter verktøykalling, slik at taleagenter kan utføre handlinger.

Eksempler:

Kundeservice:

User:
"Where is my order?"

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

Bedriftsarbeidsflyt:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Dette gjør GPT-Realtime-2.1 egnet for autonome taleagenter.

4. Konfigurerbar resonneringsevne

I motsetning til tidligere sanntids talemodeller som primært var optimalisert for hastighet, introduserer GPT-Realtime-2.1 konfigurerbar resonneringsinnsats.

Utviklere kan balansere:

Svarlatens
Nøyaktighet
Oppgavekompleksitet

Lav resonneringsinnsats:

Enkle samtaler
FAQ-assistenter

Høyere resonneringsinnsats:

Komplekse kundeforespørsler
Flertrinns arbeidsflyter
Forretningsoperasjoner

5. Bedre gjenkjenning av tall og teknisk informasjon

Taleagenter strever ofte med:

Kontonumre
Serienumre
Adresser
Produktkoder
Finansiell informasjon

GPT-Realtime-2.1 forbedrer alfanumerisk gjenkjenning, noe som gjør den bedre egnet for talesystemer i virksomheter.

6. Støtte for multimodale inndata

GPT-Realtime-2.1 støtter:

Inndata	Støtte
Tekst	✅
Lyd	✅
Bilde	✅
Video	❌

Bildeinndata muliggjør scenarier som:

Visuell kundestøtte
Dokumenttolkning
Kamerabaserte assistenter

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

Modell	Styrke	Beste bruk
GPT-Realtime-2.1	Best i sanntidsresonnering + taleagent-evner	Produksjonsklare taleagenter
GPT-Realtime-2	Sterk sanntids taleresonnering	Avanserte samtaleapper
GPT-4o Realtime	Rask multimodal interaksjon	Generelle taleassistenter

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 forbedrer:

Gjenopphenting etter avbrytelser i tale
Støyhåndtering
Gjenkjenningsnøyaktighet
Robusthet i samtaler

Begge modellene har:

Tale-til-tale-arkitektur
Verktøykalling
Støtte for resonnering
Tilgang til Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 er posisjonert for mer avanserte agentarbeidsflyter.

Sammenlignet med GPT-4o Realtime:

Kapasitet	GPT-Realtime-2.1	GPT-4o Realtime
Resonnering	Sterkere	Generell
Kontekst	128K	32K
Verktøybruk	Støttes	Støttes
Taleagenter	Avansert	Generell
Komplekse arbeidsflyter	Bedre egnet	Egnet

Slik bruker du GPT-Realtime-2.1-API-et med CometAPI

GPT-Realtime-2.1 er designet for taleagentapplikasjoner med lav latens. Den støtter sanntids tale-til-tale-interaksjon, lyd inn/ut, bildeenndata, konfigurerbar resonneringsinnsats og funksjonskalling for verktøyaktiverte talearbeidsflyter. OpenAI eksponerer modellen via Realtime API, inkludert sanntidskommunikasjon over WebRTC, WebSocket og SIP.

CometAPI tilbyr et enhetlig API-lag for integrering av avanserte AI-modeller, slik at utviklere kan få tilgang til arbeidsflyter i GPT-Realtime-2.1-stil uten å vedlikeholde separat leverandørautentisering, SDK-logikk og infrastruktur.

Trinn 1: Skaff din CometAPI API-nøkkel

Opprett en CometAPI-konto og generer et API-token fra utviklerkonsollen.

API-forespørselen din bør inkludere:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

API-nøkkelen autentiserer forespørslene dine og lar applikasjonen din kalle tilgjengelige AI-modeller via CometAPI.

Trinn 2: Opprett en GPT-Realtime-2.1-økt

GPT-Realtime-2.1 fungerer gjennom en vedvarende sanntidsøkt i stedet for tradisjonell forespørsel–respons-basert chatkomplettering.

En sanntidsøkt opprettholder:

Lydinndatastrøm
Modellsvar
Samtaletilstand
Verktøykall
Avbrytelser

OpenAIs Realtime API støtter sanntidskommunikasjon via WebRTC-, WebSocket- og SIP-grensesnitt.

Eksempel:

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."
}
'

Eksempelsvar:

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

Trinn 3: Send lydinndata til GPT-Realtime-2.1

Etter at du har opprettet en økt, strømmes brukerens lyd.

Eksempelarbeidsflyt:

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

Lydinndata kan omfatte:

Telefonsamtaler
Talekommandoer
Kundeserviceanrop
Interaktive assistenter

GPT-Realtime-2.1 forbedrer talebasert interaksjon med bedre stillhetsdeteksjon, støyhåndtering og avbruddsadferd sammenlignet med tidligere sanntidsmodeller.

Trinn 4: Motta sanntidslydsvar

Modellen returnerer genererte lydsvar via sanntidsforbindelsen.

Eksempelhendelse:

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

Applikasjonen din kan umiddelbart spille av mottatte lydblokker.

Typiske implementasjoner:

WebRTC-baserte taleapplikasjoner
Nettleserbaserte assistenter
Mobile taleapper
AI-telefonagenter

Trinn 5: Legg til funksjonskalling for taleagenter

GPT-Realtime-2.1 støtter funksjonskalling, slik at taleagenter kan utføre eksterne handlinger.

Eksempel:

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

Mulige taleagent-arbeidsflyter:

"Hvor er pakken min?"
"Bestill et møte for meg i morgen."
"Avslutt abonnementet mitt."
"Sjekk kontosaldoen min."

Modellen kan gjenkjenne forespørselen, kalle riktig verktøy og fortsette samtalen på en naturlig måte.

Trinn 6: Konfigurer resonnering og instruksjoner

GPT-Realtime-2.1 støtter konfigurerbar resonneringsinnsats.

Eksempel:

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

Anbefalte innstillinger:

Applikasjon	Resonneringsnivå
Enkle talekommandoer	Lavt
Kundestøtte	Middels
Agenter for komplekse arbeidsflyter	Høyt

FAQ

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

GET/v1/realtime

Eksempelkode og API for GPT-Realtime-2.1

Få tilgang til omfattende eksempelkode og API-ressurser for GPT-Realtime-2.1 for å effektivisere integreringsprosessen din. Vår detaljerte dokumentasjon gir trinn-for-trinn-veiledning som hjelper deg med å utnytte det fulle potensialet til GPT-Realtime-2.1 i prosjektene dine.

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;
});

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-speech

Inndata og utdata

Inndata

text

Utdata

audio

Produksjonsprofil

Leverandør: OpenAI
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk GPT-Realtime-2.1 til produksjonsarbeidsflyter som passer audio-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Generering av tale, musikk og lyd

Stemmeopplevelser og medieproduksjon

Automatiserte lydarbeidsflyter i stor skala

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

ElevenLabs

Eleven V4

Eleven v4 er ElevenLabs' uttrykksfulle talesyntesemodell, designet for å generere naturlig lydende tale med rik følelsesmessig fremføring, kontekstuell bevissthet og sterk stemmekonsistens.

Se modell

ElevenLabs

ElevenLabs Voice Dubbing

Utforsk ElevenLabs Voice Dubbing-API-et.

Se modell

ElevenLabs

ElevenLabs Voice Isolation

Utforsk ElevenLabs Voice Isolation-API-et.

Se modell

Bytedance

Seed Audio

Utforsk Seed Audio-API-et.

Se modell

OpenAI

GPT-4o mini Audio

GPT-4o mini Audio er en multimodal modell for tale- og tekstinteraksjon. Den utfører talegjenkjenning, oversettelse og tekst-til-tale, følger instruksjoner, kan kalle verktøy for strukturerte handlinger og gi strømmende svar. Typiske bruksområder inkluderer stemmeassistenter i sanntid, direkteteksting og oversettelse, samtalesammendrag og stemmestyrte applikasjoner. Tekniske høydepunkter inkluderer lydinngang og -utgang, strømmende svar, funksjonskall og strukturert JSON-utdata.

Se modell

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe er en lyd-til-tekst-modell for flerspråklig talegjenkjenning med lav latens. Den støtter strømming i sanntid og batch-transkripsjon fra vanlige lydformater, med tegnsetting og setningssegmentering. Typiske bruksområder omfatter sanntidsundertekster, inndata til stemmeassistenter, møtenotater og transkripsjon av medie- eller samtaleopptak. Tekniske høydepunkter inkluderer støtte for lydmodalitet, behandling av lange opptak og API-er tilpasset interaktive og serverbaserte arbeidsflyter.

Se modell

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for GPT-Realtime-2.1 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Aug 7, 2026

API-tilgjengelighet bekreftet

GPT-Realtime-2.1 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Aug 7, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske

Sammenlign modeller og fortsett research

OpenAI

Tilgjengelig

gpt-realtime-2.1

GPT-Realtime-2.1 API

Startpris

$3.20 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Aug 7, 2026

OpenAI

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0224

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.2240

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.3360

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

3,200

kreditter / 1 mill. tokener

Utdata

19,200

kreditter / 1 mill. tokener

Modell	Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
gpt-realtime-2.1	Inndata: $3.20/mill. Utdata: $19.20/mill.	Inndata: $4.00/mill. Utdata: $24.00/mill.	-20%
gpt-realtime-2.1-mini	Inndata: $0.4800/mill. Utdata: $2.88/mill.	Inndata: $0.6000/mill. Utdata: $3.60/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er GPT-Realtime-2.1?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$3.20 / 1 mill. input-tokens

Kontekst

Se funksjoner

Katalogdato

Aug 7, 2026

Oversikt

En praktisk oversikt over GPT-Realtime-2.1, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for GPT-Realtime-2.1

Spesifikasjon	Detaljer
Modellnavn	GPT-Realtime-2.1
Tilbyder	OpenAI
Modellfamilie	GPT-Realtime-serien
Modelltype	Sanntids multimodal taleresonneringsmodell
Primær funksjon	Tale-til-tale AI-agenter
Inndatamodaliteter	Tekst, Lyd, Bilde
Utdatamodaliteter	Tekst, Lyd
Kontekstvindu	128,000 tokens
Maksimalt antall utdata-tokens	32,000 tokens
Støtte for resonnering	Konfigurerbar resonneringsinnsats
Funksjonskalling	Støttes
Strukturerte utdata	Støttes ikke
Finjustering	Støttes ikke
Video-inndata	Støttes ikke
Hoved-API-endepunkt	Realtime API
Kunnskapsavgrensning	30. september 2024

Kilde: OpenAI-dokumentasjon for modellen GPT-Realtime-2.1.

Hva er GPT-Realtime-2.1?

GPT-Realtime-2.1 er OpenAIs avanserte sanntids talemodell, designet for å bygge konversasjonsbaserte AI-agenter som kan lytte, resonnerer og svare naturlig via lyd.

Modellen er optimalisert for produksjonsklare taleapplikasjoner, inkludert kundeserviceagenter, AI-assistenter, salgsautomatisering, utdanningsplattformer og interaktive taleopplevelser.

Benchmark-ytelse for GPT-Realtime-2.1

Forbedringene i GPT-Realtime-2.1 fokuserer på praktiske sanntidsinteraksjonsmålinger:

Kapasitet	Forbedring
Håndtering av avbrytelser i tale	Forbedret
Støyrobusthet	Forbedret
Alfanumerisk gjenkjenning	Forbedret
Verktøybaserte talearbeidsflyter	Støttes
Tale-til-tale-interaksjon	Støttes

Hovedfunksjoner i GPT-Realtime-2.1

1. Innebygd tale-til-tale-interaksjon

GPT-Realtime-2.1 fjerner behovet for separate pipelines for talegjenkjenning og tekst-til-tale.

Tradisjonell stemmearkitektur:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Dette reduserer latens og forbedrer samtaleflyten.

2. Forbedret kvalitet i talesamtaler

GPT-Realtime-2.1 forbedrer flere reelle utfordringer i talesammenheng:

Bedre håndtering av avbrytelser

Brukere kan avbryte AI-en naturlig mens den snakker.

Eksempel:

Bruker:

"Bestill en flyreise til—nei, endre det til Tokyo."

Modellen kan hente seg inn ved samtaleskifter uten å måtte starte interaksjonen på nytt.

Bedre håndtering av stillhet og støy

Modellen er optimalisert for miljøer der lydkvaliteten er uperfekt:

Callsentre
Mobile enheter
Offentlige rom
Smarte enheter

3. Avansert verktøybruk for taleagenter

GPT-Realtime-2.1 støtter verktøykalling, slik at taleagenter kan utføre handlinger.

Eksempler:

Kundeservice:

User:
"Where is my order?"

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

Bedriftsarbeidsflyt:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Dette gjør GPT-Realtime-2.1 egnet for autonome taleagenter.

4. Konfigurerbar resonneringsevne

I motsetning til tidligere sanntids talemodeller som primært var optimalisert for hastighet, introduserer GPT-Realtime-2.1 konfigurerbar resonneringsinnsats.

Utviklere kan balansere:

Svarlatens
Nøyaktighet
Oppgavekompleksitet

Lav resonneringsinnsats:

Enkle samtaler
FAQ-assistenter

Høyere resonneringsinnsats:

Komplekse kundeforespørsler
Flertrinns arbeidsflyter
Forretningsoperasjoner

5. Bedre gjenkjenning av tall og teknisk informasjon

Taleagenter strever ofte med:

Kontonumre
Serienumre
Adresser
Produktkoder
Finansiell informasjon

GPT-Realtime-2.1 forbedrer alfanumerisk gjenkjenning, noe som gjør den bedre egnet for talesystemer i virksomheter.

6. Støtte for multimodale inndata

GPT-Realtime-2.1 støtter:

Inndata	Støtte
Tekst	✅
Lyd	✅
Bilde	✅
Video	❌

Bildeinndata muliggjør scenarier som:

Visuell kundestøtte
Dokumenttolkning
Kamerabaserte assistenter

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

Modell	Styrke	Beste bruk
GPT-Realtime-2.1	Best i sanntidsresonnering + taleagent-evner	Produksjonsklare taleagenter
GPT-Realtime-2	Sterk sanntids taleresonnering	Avanserte samtaleapper
GPT-4o Realtime	Rask multimodal interaksjon	Generelle taleassistenter

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 forbedrer:

Gjenopphenting etter avbrytelser i tale
Støyhåndtering
Gjenkjenningsnøyaktighet
Robusthet i samtaler

Begge modellene har:

Tale-til-tale-arkitektur
Verktøykalling
Støtte for resonnering
Tilgang til Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 er posisjonert for mer avanserte agentarbeidsflyter.

Sammenlignet med GPT-4o Realtime:

Kapasitet	GPT-Realtime-2.1	GPT-4o Realtime
Resonnering	Sterkere	Generell
Kontekst	128K	32K
Verktøybruk	Støttes	Støttes
Taleagenter	Avansert	Generell
Komplekse arbeidsflyter	Bedre egnet	Egnet

Slik bruker du GPT-Realtime-2.1-API-et med CometAPI

Trinn 1: Skaff din CometAPI API-nøkkel

Opprett en CometAPI-konto og generer et API-token fra utviklerkonsollen.

API-forespørselen din bør inkludere:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

API-nøkkelen autentiserer forespørslene dine og lar applikasjonen din kalle tilgjengelige AI-modeller via CometAPI.

Trinn 2: Opprett en GPT-Realtime-2.1-økt

GPT-Realtime-2.1 fungerer gjennom en vedvarende sanntidsøkt i stedet for tradisjonell forespørsel–respons-basert chatkomplettering.

En sanntidsøkt opprettholder:

Lydinndatastrøm
Modellsvar
Samtaletilstand
Verktøykall
Avbrytelser

OpenAIs Realtime API støtter sanntidskommunikasjon via WebRTC-, WebSocket- og SIP-grensesnitt.

Eksempel:

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."
}
'

Eksempelsvar:

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

Trinn 3: Send lydinndata til GPT-Realtime-2.1

Etter at du har opprettet en økt, strømmes brukerens lyd.

Eksempelarbeidsflyt:

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

Lydinndata kan omfatte:

Telefonsamtaler
Talekommandoer
Kundeserviceanrop
Interaktive assistenter

GPT-Realtime-2.1 forbedrer talebasert interaksjon med bedre stillhetsdeteksjon, støyhåndtering og avbruddsadferd sammenlignet med tidligere sanntidsmodeller.

Trinn 4: Motta sanntidslydsvar

Modellen returnerer genererte lydsvar via sanntidsforbindelsen.

Eksempelhendelse:

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

Applikasjonen din kan umiddelbart spille av mottatte lydblokker.

Typiske implementasjoner:

WebRTC-baserte taleapplikasjoner
Nettleserbaserte assistenter
Mobile taleapper
AI-telefonagenter

Trinn 5: Legg til funksjonskalling for taleagenter

GPT-Realtime-2.1 støtter funksjonskalling, slik at taleagenter kan utføre eksterne handlinger.

Eksempel:

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

Mulige taleagent-arbeidsflyter:

"Hvor er pakken min?"
"Bestill et møte for meg i morgen."
"Avslutt abonnementet mitt."
"Sjekk kontosaldoen min."

Modellen kan gjenkjenne forespørselen, kalle riktig verktøy og fortsette samtalen på en naturlig måte.

Trinn 6: Konfigurer resonnering og instruksjoner

GPT-Realtime-2.1 støtter konfigurerbar resonneringsinnsats.

Eksempel:

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

Anbefalte innstillinger:

Applikasjon	Resonneringsnivå
Enkle talekommandoer	Lavt
Kundestøtte	Middels
Agenter for komplekse arbeidsflyter	Høyt

FAQ

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

GET/v1/realtime

Eksempelkode og API for 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;
});

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-speech

Inndata og utdata

Inndata

text

Utdata

audio

Produksjonsprofil

Leverandør: OpenAI
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk GPT-Realtime-2.1 til produksjonsarbeidsflyter som passer audio-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Generering av tale, musikk og lyd

Stemmeopplevelser og medieproduksjon

Automatiserte lydarbeidsflyter i stor skala

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

ElevenLabs

Eleven V4

Eleven v4 er ElevenLabs' uttrykksfulle talesyntesemodell, designet for å generere naturlig lydende tale med rik følelsesmessig fremføring, kontekstuell bevissthet og sterk stemmekonsistens.

Se modell

ElevenLabs

ElevenLabs Voice Dubbing

Utforsk ElevenLabs Voice Dubbing-API-et.

Se modell

ElevenLabs

ElevenLabs Voice Isolation

Utforsk ElevenLabs Voice Isolation-API-et.

Se modell

Bytedance

Seed Audio

Utforsk Seed Audio-API-et.

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for GPT-Realtime-2.1 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Aug 7, 2026

API-tilgjengelighet bekreftet

GPT-Realtime-2.1 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Aug 7, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske