OpenAI

Tilgjengelig

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 er vår mest kapable sanntids talemodell. Den støtter tale-til-tale-interaksjoner med konfigurerbart resonneringsnivå, sterkere etterlevelse av instruksjoner og mer pålitelig verktøybruk for komplekse stemmeagent-arbeidsflyter.

Startpris

$3.20 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Jul 14, 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	Inndata: $3.20/mill. Utdata: $19.20/mill.	Inndata: $4.00/mill. Utdata: $24.00/mill.	-20%
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?

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

Jul 14, 2026

Oversikt

En praktisk oversikt over GPT-Realtime-2, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for GPT-Realtime-2

Spesifikasjon	Detaljer
Lansering	7. mai 2026
API	Realtime API (GA)
Inndata	Lyd, tekst, bilder
Utdata	Lyd, tekst
Resonnering	GPT-5-klasse
Strømming	Ja
Full dupleks	Ja
Funksjonskalling	Ja
Multimodal	Ja
Avbrytelser	Støttes
Lav latens	Ja
Bedrifts-SLA	Ja
Klar for produksjon	Ja

Hva er GPT-Realtime-2

GPT-Realtime-2 representerer et stort fremskritt innen konversasjons-AI ved å gå utover tradisjonelle tale-pipelines til en enhetlig, lyd-native arkitektur med resonnering på GPT-5-nivå. Støtten for strømmende tale, multimodale inndata, funksjonskalling og utrulling i bedriftsklasse gjør den velegnet for neste generasjons stemmeagenter, kundestøtte, helsevesen, utdanning og intelligente assistenter.

Funksjoner og høydepunkter i GPT-Realtime-2

1. Resonnering på GPT-5-nivå

I motsetning til tidligere sanntidsmodeller kan GPT-Realtime-2 løse:

oppgaver i flere trinn
resonneringskrevende forespørsler
planlegging
timeplanlegging
komplekse samtaler

i stedet for bare å generere flytende tale.

2. Svært lav latens

Utformet for:

telefonagenter
stemmeassistenter
kundeservice
AI-kompanjonger

Oppdateringen i juli 2026 reduserte p95-latensen med minst 25%.

3. Verktøykalling

Under en direkte samtale kan modellen:

søke i databaser
sjekke lagerbeholdning
forespørre CRM-er
hente dokumenter
kjøre API-er
kalle egendefinerte funksjoner

uten å avslutte samtalen.

4. Naturlig tale

Modellen støtter:

avbrytelser
naturlige pauser
samtalerytme
fyllord
følelsesbevisst timing
dynamisk talefart

noe som gjør samtaler mye nærmere menneskelig dialog.

5. Multimodal forståelse

Inndata kan omfatte:

stemme
tekst
bilder

som muliggjør scenarier som:

"Se på dette bildet mens jeg forklarer problemet."

6. Produksjonspålitelighet

GA Realtime API legger til:

SLA-støtte
stabile SDK-er
produksjonsendepunkter
bedriftsdistribusjon

og går utover den tidligere betatjenesten.

Benchmark-ytelse for GPT-Realtime-2

OpenAI har vektlagt kvalitative forbedringer fremfor å publisere en omfattende benchmark-pakke for GPT-Realtime-2. Offentliggjorte målinger inkluderer:

Måling	GPT-Realtime-2
Tale-til-tale	Innebygd
Resonnering på GPT-5-nivå	Ja
Verktøykalling	Ja
Bildeforståelse	Ja
Strømming	Ja
Produksjons-SLA	Ja
Avbrytelser	Innebygd
Forbedring i p95-latens (v2.1)	≥25%

GPT-Realtime-2 kontra andre stemmemodeller

Funksjon	GPT-Realtime-2	GPT-4o Realtime	Gemini Live	ElevenLabs Conversational AI
Lyd-native	✅	Delvis	Ja	Nei
Resonnering på GPT-5-nivå	✅	Nei	Nei	Nei
Funksjonskalling	✅	Begrenset	Begrenset	Nei
Bildeinndata	✅	Ja	Ja	Nei
Bedrifts-API	✅	Beta	Ja	Ja
Strømming	✅	Ja	Ja	Ja
Full dupleks	✅	Delvis	Ja	Nei
Produksjons-SLA	✅	Nei	Ja	N/A

GPT-Realtime-2 skiller seg ut ved å kombinere avansert resonnering med talebasert interaksjon med lav latens i et produksjonsklart API.

Begrensninger

Kostnader for lydtokener er høyere enn for tekstbasert inferens.
Langvarige stemmesesjoner krever nøye håndtering av båndbredde og latens.
Selv om vokale signaler gjenkjennes, tyder uavhengig forskning på at emosjonell kontekst ikke alltid reflekteres konsekvent i påfølgende beslutninger, så menneskelig kontroll er fortsatt viktig i sensitive anvendelser.

Slik bruker du GPT-Realtime-2 API på CometAPI

CometAPI tilbyr en samlet API-gateway som lar utviklere få tilgang til flere AI-modeller—inkludert OpenAI-kompatible sanntidsmodeller—gjennom et konsistent grensesnitt (tilgjengeligheten avhenger av leverandørens katalog).

En typisk arbeidsflyt er:

Trinn 1: Opprett en konto

Registrer deg på CometAPI-plattformen og få en API-nøkkel.

Trinn 2: Konfigurer autentisering

Inkluder API-nøkkelen i forespørselshodet:

Authorization: Bearer YOUR_API_KEY

Trinn 3: Velg modellen

Angi identifikatoren for sanntidsmodellen (for eksempel GPT-Realtime-2-modellnavnet som støttes av CometAPI-kontoen din).

Trinn 4: Etabler en sanntidsøkt

Åpne en WebSocket eller sanntidstilkobling som støttes av API-et for å strømme lyd i begge retninger.

Trinn 5: Strøm lyd

Send mikrofonlyd kontinuerlig og motta strømmende taleresponser, slik at samtaler får lav latens.

Trinn 6: Aktiver avanserte funksjoner

Avhengig av CometAPIs implementasjon kan du konfigurere:

funksjons-/verktøykalling
samtaleminne
bildeforsyning
deteksjon av stemmeaktivitet
håndtering av avbrytelser
resonneringsnivå (der det støttes)

Før implementering, se CometAPIs gjeldende dokumentasjon for å verifisere støttede modellnavn, endepunkter, autentisering og sanntidsprotokolldetaljer, ettersom disse kan utvikle seg uavhengig av OpenAIs offisielle API.

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

Få tilgang til omfattende eksempelkode og API-ressurser for GPT-Realtime-2 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 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"

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;
});

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 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

2273msAvg. Response

Uptime

75.0%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

gpt-realtime-2

gpt-realtime-2.1

gpt-realtime-2.1-mini

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for GPT-Realtime-2 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.

Jul 14, 2026

API-tilgjengelighet bekreftet

GPT-Realtime-2 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.

Jul 14, 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

GPT-Realtime-2 API

Startpris

$3.20 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Jul 14, 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	Inndata: $3.20/mill. Utdata: $19.20/mill.	Inndata: $4.00/mill. Utdata: $24.00/mill.	-20%
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?

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

Jul 14, 2026

Oversikt

En praktisk oversikt over GPT-Realtime-2, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for GPT-Realtime-2

Spesifikasjon	Detaljer
Lansering	7. mai 2026
API	Realtime API (GA)
Inndata	Lyd, tekst, bilder
Utdata	Lyd, tekst
Resonnering	GPT-5-klasse
Strømming	Ja
Full dupleks	Ja
Funksjonskalling	Ja
Multimodal	Ja
Avbrytelser	Støttes
Lav latens	Ja
Bedrifts-SLA	Ja
Klar for produksjon	Ja

Hva er GPT-Realtime-2

Funksjoner og høydepunkter i GPT-Realtime-2

1. Resonnering på GPT-5-nivå

I motsetning til tidligere sanntidsmodeller kan GPT-Realtime-2 løse:

oppgaver i flere trinn
resonneringskrevende forespørsler
planlegging
timeplanlegging
komplekse samtaler

i stedet for bare å generere flytende tale.

2. Svært lav latens

Utformet for:

telefonagenter
stemmeassistenter
kundeservice
AI-kompanjonger

Oppdateringen i juli 2026 reduserte p95-latensen med minst 25%.

3. Verktøykalling

Under en direkte samtale kan modellen:

søke i databaser
sjekke lagerbeholdning
forespørre CRM-er
hente dokumenter
kjøre API-er
kalle egendefinerte funksjoner

uten å avslutte samtalen.

4. Naturlig tale

Modellen støtter:

avbrytelser
naturlige pauser
samtalerytme
fyllord
følelsesbevisst timing
dynamisk talefart

noe som gjør samtaler mye nærmere menneskelig dialog.

5. Multimodal forståelse

Inndata kan omfatte:

stemme
tekst
bilder

som muliggjør scenarier som:

"Se på dette bildet mens jeg forklarer problemet."

6. Produksjonspålitelighet

GA Realtime API legger til:

SLA-støtte
stabile SDK-er
produksjonsendepunkter
bedriftsdistribusjon

og går utover den tidligere betatjenesten.

Benchmark-ytelse for GPT-Realtime-2

OpenAI har vektlagt kvalitative forbedringer fremfor å publisere en omfattende benchmark-pakke for GPT-Realtime-2. Offentliggjorte målinger inkluderer:

Måling	GPT-Realtime-2
Tale-til-tale	Innebygd
Resonnering på GPT-5-nivå	Ja
Verktøykalling	Ja
Bildeforståelse	Ja
Strømming	Ja
Produksjons-SLA	Ja
Avbrytelser	Innebygd
Forbedring i p95-latens (v2.1)	≥25%

GPT-Realtime-2 kontra andre stemmemodeller

Funksjon	GPT-Realtime-2	GPT-4o Realtime	Gemini Live	ElevenLabs Conversational AI
Lyd-native	✅	Delvis	Ja	Nei
Resonnering på GPT-5-nivå	✅	Nei	Nei	Nei
Funksjonskalling	✅	Begrenset	Begrenset	Nei
Bildeinndata	✅	Ja	Ja	Nei
Bedrifts-API	✅	Beta	Ja	Ja
Strømming	✅	Ja	Ja	Ja
Full dupleks	✅	Delvis	Ja	Nei
Produksjons-SLA	✅	Nei	Ja	N/A

GPT-Realtime-2 skiller seg ut ved å kombinere avansert resonnering med talebasert interaksjon med lav latens i et produksjonsklart API.

Begrensninger

Kostnader for lydtokener er høyere enn for tekstbasert inferens.
Langvarige stemmesesjoner krever nøye håndtering av båndbredde og latens.
Selv om vokale signaler gjenkjennes, tyder uavhengig forskning på at emosjonell kontekst ikke alltid reflekteres konsekvent i påfølgende beslutninger, så menneskelig kontroll er fortsatt viktig i sensitive anvendelser.

Slik bruker du GPT-Realtime-2 API på CometAPI

En typisk arbeidsflyt er:

Trinn 1: Opprett en konto

Registrer deg på CometAPI-plattformen og få en API-nøkkel.

Trinn 2: Konfigurer autentisering

Inkluder API-nøkkelen i forespørselshodet:

Authorization: Bearer YOUR_API_KEY

Trinn 3: Velg modellen

Angi identifikatoren for sanntidsmodellen (for eksempel GPT-Realtime-2-modellnavnet som støttes av CometAPI-kontoen din).

Trinn 4: Etabler en sanntidsøkt

Åpne en WebSocket eller sanntidstilkobling som støttes av API-et for å strømme lyd i begge retninger.

Trinn 5: Strøm lyd

Send mikrofonlyd kontinuerlig og motta strømmende taleresponser, slik at samtaler får lav latens.

Trinn 6: Aktiver avanserte funksjoner

Avhengig av CometAPIs implementasjon kan du konfigurere:

funksjons-/verktøykalling
samtaleminne
bildeforsyning
deteksjon av stemmeaktivitet
håndtering av avbrytelser
resonneringsnivå (der det støttes)

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

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;
});

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 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

2273msAvg. Response

Uptime

75.0%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

gpt-realtime-2

gpt-realtime-2.1

gpt-realtime-2.1-mini

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for GPT-Realtime-2 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.

Jul 14, 2026

API-tilgjengelighet bekreftet

GPT-Realtime-2 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.

Jul 14, 2026

Permanent modellentitet opprettet

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

Fortsett å utforske