Quais setores podem usar a GPT-Realtime-2.1 API?

O GPT-Realtime-2.1 é adequado para atendimento ao cliente, automação de vendas, assistentes de saúde, plataformas educacionais e aplicativos para dispositivos inteligentes.

O GPT-Realtime-2.1 oferece suporte a chamadas de função?

Sim. O GPT-Realtime-2.1 suporta uso de ferramentas e chamadas de função, permitindo que agentes de voz executem ações externas durante as conversas.

Qual é o tamanho da janela de contexto do GPT-Realtime-2.1?

O GPT-Realtime-2.1 suporta uma janela de contexto de 128,000 tokens e até 32,000 tokens de saída.

A GPT-Realtime-2.1 API pode criar assistentes de voz em tempo real?

Sim. O GPT-Realtime-2.1 foi projetado para aplicações de fala para fala e permite que desenvolvedores criem agentes de voz conversacionais de baixa latência.

Quais modalidades de entrada e saída o GPT-Realtime-2.1 suporta?

O GPT-Realtime-2.1 suporta entrada/saída de texto e áudio, além de entrada de imagens, mas não oferece suporte a entrada de vídeo.

Quais melhorias o GPT-Realtime-2.1 apresenta em relação ao GPT-Realtime-2?

O GPT-Realtime-2.1 melhora o reconhecimento alfanumérico, o tratamento de silêncio, a robustez ao ruído e o comportamento de interrupção, mantendo o raciocínio em tempo real e as capacidades de uso de ferramentas.

Quando os desenvolvedores devem escolher o GPT-Realtime-2.1 em vez de GPT-4o Realtime API?

Os desenvolvedores devem escolher o GPT-Realtime-2.1 para agentes de voz avançados que exijam raciocínio mais robusto, execução de ferramentas e fluxos de conversa complexos.

OpenAI

Disponível

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.

Preço inicial

$3.20 / 1M de tokens de entrada

Cobrança por uso

Status da API

Disponível

Endpoint de produção

Resposta

Pronto para assíncrono

Tempo de resposta da API observado

Lançado

Aug 7, 2026

OpenAI

Preços

Use a estimativa rápida acima para uma única execução e depois veja a comparação completa entre CometAPI e preço oficial.

Primeira solicitação

$0.0224

Custo estimado de uso da CometAPI

Dez solicitações

$0.2240

Custo estimado de uso da CometAPI

Quinze solicitações

$0.3360

Custo estimado de uso da CometAPI

⇌

Conversão de créditos

1.000 créditos = US$ 1

Os créditos tornam os orçamentos comparáveis entre cobranças por token, solicitação e tempo de execução. O valor em USD continua sendo a fonte oficial no momento do pagamento.

✓Modelo atual em créditos

Entrada

3,200

créditos / 1 milhão de tokens

Saída

19,200

créditos / 1 milhão de tokens

Transparência da cobrança mínima Este protótipo não pressupõe uma cobrança mínima oculta por solicitação. Se houver um limite mínimo de cobrança ou uma recarga mínima na produção, isso deverá ser exibido antes da compra e incluído em todas as estimativas de orçamento.

Modelo	Preço da Comet (USD / M tokens)	Preço oficial (USD / M tokens)	Desconto
gpt-realtime-2.1	Entrada: $3.20/M Saída: $19.20/M	Entrada: $4.00/M Saída: $24.00/M	-20%
gpt-realtime-2.1-mini	Entrada: $0.4800/M Saída: $2.88/M	Entrada: $0.6000/M Saída: $3.60/M	-20%

Resumo do modelo

Uma identidade de modelo estável para pesquisa e avaliação, combinada com dados atualizados do catálogo que podem mudar sem exigir a reescrita da estrutura SEO principal da página.

Identidade estável

O que é GPT-Realtime-2.1?

A identidade canônica do modelo permanece estável enquanto os preços e limites mudam.

Dados atualizados do modelo

Instantâneo atual do catálogo

Disponibilidade

Disponível

Preço inicial

$3.20 / 1M de tokens de entrada

Contexto

Ver recursos

Data do catálogo

Aug 7, 2026

Visão Geral

Uma visão geral prática de GPT-Realtime-2.1, incluindo comportamentos importantes e considerações de integração.

Especificações técnicas do GPT-Realtime-2.1

Especificação	Detalhes
Nome do modelo	GPT-Realtime-2.1
Provedor	OpenAI
Família do modelo	Série GPT-Realtime
Tipo de modelo	Modelo de raciocínio multimodal de voz em tempo real
Capacidade principal	Agentes de IA de fala para fala
Modalidades de entrada	Texto, Áudio, Imagem
Modalidades de saída	Texto, Áudio
Janela de contexto	128,000 tokens
Máximo de tokens de saída	32,000 tokens
Suporte a raciocínio	Esforço de raciocínio configurável
Chamadas de função	Suportado
Saídas estruturadas	Não suportado
Ajuste fino	Não suportado
Entrada de vídeo	Não suportado
Endpoint principal da API	Realtime API
Data de corte do conhecimento	30 de setembro de 2024

Fonte: Documentação do modelo GPT-Realtime-2.1 da OpenAI.

O que é o GPT-Realtime-2.1?

GPT-Realtime-2.1 é o avançado modelo de voz em tempo real da OpenAI, projetado para criar agentes de IA conversacionais que podem ouvir, raciocinar e responder naturalmente por áudio.

Comparado a assistentes de voz tradicionais que dependem de pipelines separados de reconhecimento de fala, compreensão de linguagem e conversão de texto em fala, o GPT-Realtime-2.1 fornece interação nativa de fala para fala, permitindo conversas com menor latência e melhor tratamento de interrupções e compreensão contextual.

O modelo é otimizado para aplicações de voz em produção, incluindo agentes de atendimento ao cliente, assistentes de IA, automação de vendas, plataformas educacionais e experiências de voz interativas.

Desempenho de benchmark do GPT-Realtime-2.1

As melhorias do GPT-Realtime-2.1 focam em métricas práticas de interação em tempo real:

Capacidade	Melhoria
Tratamento de interrupções de voz	Melhorado
Robustez a ruído	Melhorado
Reconhecimento alfanumérico	Melhorado
Fluxos de trabalho de voz baseados em ferramentas	Suportado
Interação fala para fala	Suportado

Principais recursos do GPT-Realtime-2.1

1. Interação nativa de fala para fala

O GPT-Realtime-2.1 elimina a necessidade de pipelines separados de reconhecimento de fala e de texto para fala.

Arquitetura de voz tradicional:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Isso reduz a latência e melhora o fluxo da conversa.

2. Qualidade aprimorada de conversas por voz

O GPT-Realtime-2.1 melhora vários desafios de voz do mundo real:

Melhor tratamento de interrupções

Os usuários podem interromper a IA naturalmente enquanto ela está falando.

Exemplo:

Usuário:

"Reserve um voo para—na verdade, mude para Tóquio."

O modelo pode se recuperar de mudanças na conversa sem reiniciar a interação.

Melhor tratamento de silêncio e ruído

O modelo é otimizado para ambientes em que a qualidade do áudio é imperfeita:

Centros de atendimento
Dispositivos móveis
Espaços públicos
Dispositivos inteligentes

3. Uso avançado de ferramentas por agentes de voz

O GPT-Realtime-2.1 suporta chamadas de ferramentas, permitindo que agentes de voz executem ações.

Exemplos:

Atendimento ao cliente:

User:
"Where is my order?"

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

Fluxo de trabalho corporativo:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Isso torna o GPT-Realtime-2.1 adequado para agentes de voz autônomos.

4. Capacidade de raciocínio configurável

Ao contrário dos modelos de voz em tempo real anteriores, otimizados principalmente para velocidade, o GPT-Realtime-2.1 introduz um esforço de raciocínio configurável.

Os desenvolvedores podem equilibrar:

Latência de resposta
Precisão
Complexidade da tarefa

Baixo raciocínio:

Conversas simples
Assistentes de FAQ

Maior raciocínio:

Solicitações complexas de clientes
Fluxos de trabalho de múltiplas etapas
Operações de negócios

5. Melhor reconhecimento de números e informações técnicas

Agentes de voz frequentemente têm dificuldades com:

Números de conta
Números de série
Endereços
Códigos de produto
Informações financeiras

O GPT-Realtime-2.1 melhora o reconhecimento alfanumérico, tornando-o mais adequado para sistemas de voz corporativos.

6. Suporte a entrada multimodal

O GPT-Realtime-2.1 suporta:

Entrada	Suporte
Texto	✅
Áudio	✅
Imagem	✅
Vídeo	❌

A entrada de imagem possibilita cenários como:

Suporte visual ao cliente
Interpretação de documentos
Assistentes baseados em câmera

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

Modelo	Ponto forte	Melhor uso
GPT-Realtime-2.1	Melhor raciocínio em tempo real + capacidade de agente de voz	Agentes de voz em produção
GPT-Realtime-2	Raciocínio de voz em tempo real robusto	Aplicativos conversacionais avançados
GPT-4o Realtime	Interação multimodal rápida	Assistentes de voz gerais

GPT-Realtime-2.1 vs GPT-Realtime-2

O GPT-Realtime-2.1 melhora:

Recuperação de interrupções de voz
Tratamento de ruído
Precisão de reconhecimento
Robustez conversacional

Ambos os modelos compartilham:

Arquitetura de fala para fala
Chamadas de ferramentas
Suporte a raciocínio
Acesso pela Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

O GPT-Realtime-2.1 é posicionado para fluxos de trabalho de agentes mais avançados.

Comparado ao GPT-4o Realtime:

Capacidade	GPT-Realtime-2.1	GPT-4o Realtime
Raciocínio	Mais forte	Geral
Contexto	128K	32K
Uso de ferramentas	Suportado	Suportado
Agentes de voz	Avançado	Geral
Fluxos de trabalho complexos	Mais adequado	Adequado

Como usar a API do GPT-Realtime-2.1 com a CometAPI

O GPT-Realtime-2.1 foi projetado para aplicações de agentes de voz de baixa latência. Ele suporta interação de fala para fala em tempo real, entrada/saída de áudio, entrada de imagem, esforço de raciocínio configurável e chamadas de função para fluxos de trabalho de voz com ferramentas. A OpenAI o disponibiliza por meio da Realtime API, incluindo métodos de comunicação em tempo real baseados em WebRTC, WebSocket e SIP.

A CometAPI oferece uma camada de API unificada para integrar modelos de IA avançados, permitindo que desenvolvedores acessem fluxos de trabalho no estilo GPT-Realtime-2.1 sem precisar manter autenticação por provedor, lógica de SDK e infraestrutura separadas.

Etapa 1: Obtenha sua chave de API da CometAPI

Crie uma conta na CometAPI e gere um token de API no console do desenvolvedor.

Sua requisição de API deve incluir:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

A chave de API autentica suas solicitações e permite que seu aplicativo chame os modelos de IA disponíveis por meio da CometAPI.

Etapa 2: Crie uma sessão do GPT-Realtime-2.1

O GPT-Realtime-2.1 funciona por meio de uma sessão persistente em tempo real, em vez do tradicional fluxo de requisição-resposta de conclusão de chat.

Uma sessão em tempo real mantém:

Fluxo de entrada de áudio
Respostas do modelo
Estado da conversa
Chamadas de ferramentas
Interrupções

A Realtime API da OpenAI suporta comunicação em tempo real por meio de interfaces WebRTC, WebSocket e SIP.

Exemplo:

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."
}
'

Resposta de exemplo:

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

Etapa 3: Envie entrada de áudio para o GPT-Realtime-2.1

Após criar uma sessão, transmita o áudio do usuário.

Fluxo de trabalho de exemplo:

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

A entrada de áudio pode incluir:

Conversas telefônicas
Comandos de voz
Chamadas de suporte ao cliente
Assistentes interativos

O GPT-Realtime-2.1 melhora a interação por voz com melhor detecção de silêncio, tratamento de ruído e comportamento de interrupção em comparação com modelos anteriores em tempo real.

Etapa 4: Receba respostas de áudio em tempo real

O modelo retorna respostas de áudio geradas por meio da conexão em tempo real.

Evento de exemplo:

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

Seu aplicativo pode reproduzir imediatamente os trechos de áudio recebidos.

Implementações típicas:

Aplicações de voz via WebRTC
Assistentes baseados em navegador
Aplicativos móveis de voz
Agentes telefônicos de IA

Etapa 5: Adicione chamadas de função para agentes de voz

O GPT-Realtime-2.1 suporta chamadas de função, permitindo que agentes de voz executem ações externas.

Exemplo:

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

Possíveis fluxos de trabalho de agentes de voz:

"Onde está o meu pacote?"
"Agende uma reunião para amanhã."
"Cancele minha assinatura."
"Verifique meu saldo."

O modelo pode reconhecer a solicitação, chamar a ferramenta apropriada e continuar a conversa naturalmente.

Etapa 6: Configure o raciocínio e as instruções

O GPT-Realtime-2.1 suporta esforço de raciocínio configurável.

Exemplo:

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

Configurações recomendadas:

Aplicação	Nível de raciocínio
Comandos de voz simples	Baixo
Suporte ao cliente	Médio
Agentes de fluxos de trabalho complexos	Alto

FAQ

API

Copie um endpoint funcional e um exemplo de código, e abra a referência completa da API quando precisar de todos os parâmetros.

Uma API, acesso a modelos pronto para produção

Autentique-se uma vez, chame o endpoint do modelo e mantenha o mesmo fluxo de cobrança e observabilidade entre provedores.

GET/v1/realtime

Código de exemplo e API para GPT-Realtime-2.1

Acesse código de exemplo abrangente e recursos de API para GPT-Realtime-2.1 para otimizar seu processo de integração. Nossa documentação detalhada fornece orientação passo a passo, ajudando você a aproveitar todo o potencial do GPT-Realtime-2.1 em seus projetos.

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;
});

Capacidades

Veja os principais dados do modelo antes de escolher uma arquitetura ou estimar a carga em produção.

Capacidades suportadas

Recursos retornados pela API do modelo existente.

text-to-speech

Entrada e saída

Entradas

text

Saídas

audio

Perfil de produção

Provedor: OpenAI
Contexto: Depende do modelo
Uso comercial: Suportado

Casos de uso

Use GPT-Realtime-2.1 em fluxos de produção compatíveis com suas capacidades de audio, e compare alternativas antes de um compromisso de integração de longo prazo.

Geração de voz, música e áudio

Experiências de voz e produção de mídia

Fluxos de trabalho de áudio automatizados em escala

Outros modelos

Compare outros modelos disponíveis na CometAPI considerando qualidade, latência, capacidades e preço.

Abrir comparação de modelos →

ElevenLabs

Eleven V4

O Eleven v4 é o modelo de síntese de voz expressivo da ElevenLabs, concebido para gerar fala com som natural, com interpretação rica em emoções, sensibilidade ao contexto e elevada consistência vocal.

Ver modelo

ElevenLabs

ElevenLabs Voice Dubbing

Explore a API de ElevenLabs Voice Dubbing.

Ver modelo

ElevenLabs

ElevenLabs Voice Isolation

Explore a API de ElevenLabs Voice Isolation.

Ver modelo

Bytedance

Seed Audio

Explore a API de Seed Audio.

Ver modelo

OpenAI

GPT-4o mini Audio

GPT-4o mini Audio é um modelo multimodal para interações de fala e texto. Ele realiza reconhecimento de fala, tradução e conversão de texto em fala, segue instruções e pode acionar ferramentas para ações estruturadas com respostas em streaming. Os usos típicos incluem assistentes de voz em tempo real, legendagem e tradução ao vivo, resumo de chamadas e aplicações controladas por voz. Os destaques técnicos incluem entrada e saída de áudio, respostas em streaming, chamadas de função e saída JSON estruturada.

Ver modelo

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe é um modelo de transcrição de áudio em texto para reconhecimento de fala multilíngue e de baixa latência. Ele oferece suporte a streaming em tempo real e transcrição em lote a partir de formatos de áudio comuns, com pontuação e segmentação de frases. Os usos típicos incluem legendas ao vivo, entrada para assistentes de voz, anotações de reuniões e transcrição de mídia ou de gravações de chamadas. Os destaques técnicos incluem suporte à modalidade de áudio, processamento de áudio de longa duração e APIs adequadas para fluxos de trabalho interativos e do lado do servidor.

Ver modelo

Disponibilidade

Veja dados de heartbeat em tempo real, disponibilidade do endpoint e tempos de resposta observados antes de ir para produção.

Disponibilidade

Taxa de sucesso de requisições nos últimos 30 dias, refletindo a confiabilidade de cada provedor de modelos. A CometAPI monitora todos os provedores conectados em tempo real, 24 horas por dia, 7 dias por semana.

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versões

Veja os identificadores de modelo disponíveis antes de fixar uma integração de produção.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Atualizações

Acompanhe mudanças relevantes na disponibilidade, nos preços e nos recursos de GPT-Realtime-2.1 sem perder a página estável do modelo.

Registro de alterações do modelo

Uma página que se fortalece com o tempo.

Notas de versão, alterações de preços, atualizações de benchmarks e orientações de migração se acumulam aqui, enquanto a URL canônica permanece inalterada.

Aug 7, 2026

Disponibilidade da API confirmada

GPT-Realtime-2.1 está disponível por meio do catálogo de modelos e da documentação da API da CometAPI.

Atual

Dados atualizados

Preços e limites sincronizados com o catálogo

Preço, contexto, disponibilidade e limites são tratados como propriedades dinâmicas, em vez de serem incorporados ao título da página ou à identidade do modelo.

Aug 7, 2026

Entidade permanente do modelo criada

O provedor e o slug do modelo formam uma URL canônica duradoura; futuras atualizações de conteúdo e dados permanecerão nesta página.

Continue explorando

Compare modelos e continue sua pesquisa

OpenAI

Disponível

gpt-realtime-2.1

GPT-Realtime-2.1 API

Preço inicial

$3.20 / 1M de tokens de entrada

Cobrança por uso

Status da API

Disponível

Endpoint de produção

Resposta

Pronto para assíncrono

Tempo de resposta da API observado

Lançado

Aug 7, 2026

OpenAI

Preços

Use a estimativa rápida acima para uma única execução e depois veja a comparação completa entre CometAPI e preço oficial.

Primeira solicitação

$0.0224

Custo estimado de uso da CometAPI

Dez solicitações

$0.2240

Custo estimado de uso da CometAPI

Quinze solicitações

$0.3360

Custo estimado de uso da CometAPI

⇌

Conversão de créditos

1.000 créditos = US$ 1

Os créditos tornam os orçamentos comparáveis entre cobranças por token, solicitação e tempo de execução. O valor em USD continua sendo a fonte oficial no momento do pagamento.

✓Modelo atual em créditos

Entrada

3,200

créditos / 1 milhão de tokens

Saída

19,200

créditos / 1 milhão de tokens

Modelo	Preço da Comet (USD / M tokens)	Preço oficial (USD / M tokens)	Desconto
gpt-realtime-2.1	Entrada: $3.20/M Saída: $19.20/M	Entrada: $4.00/M Saída: $24.00/M	-20%
gpt-realtime-2.1-mini	Entrada: $0.4800/M Saída: $2.88/M	Entrada: $0.6000/M Saída: $3.60/M	-20%

Resumo do modelo

Uma identidade de modelo estável para pesquisa e avaliação, combinada com dados atualizados do catálogo que podem mudar sem exigir a reescrita da estrutura SEO principal da página.

Identidade estável

O que é GPT-Realtime-2.1?

A identidade canônica do modelo permanece estável enquanto os preços e limites mudam.

Dados atualizados do modelo

Instantâneo atual do catálogo

Disponibilidade

Disponível

Preço inicial

$3.20 / 1M de tokens de entrada

Contexto

Ver recursos

Data do catálogo

Aug 7, 2026

Visão Geral

Uma visão geral prática de GPT-Realtime-2.1, incluindo comportamentos importantes e considerações de integração.

Especificações técnicas do GPT-Realtime-2.1

Especificação	Detalhes
Nome do modelo	GPT-Realtime-2.1
Provedor	OpenAI
Família do modelo	Série GPT-Realtime
Tipo de modelo	Modelo de raciocínio multimodal de voz em tempo real
Capacidade principal	Agentes de IA de fala para fala
Modalidades de entrada	Texto, Áudio, Imagem
Modalidades de saída	Texto, Áudio
Janela de contexto	128,000 tokens
Máximo de tokens de saída	32,000 tokens
Suporte a raciocínio	Esforço de raciocínio configurável
Chamadas de função	Suportado
Saídas estruturadas	Não suportado
Ajuste fino	Não suportado
Entrada de vídeo	Não suportado
Endpoint principal da API	Realtime API
Data de corte do conhecimento	30 de setembro de 2024

Fonte: Documentação do modelo GPT-Realtime-2.1 da OpenAI.

O que é o GPT-Realtime-2.1?

GPT-Realtime-2.1 é o avançado modelo de voz em tempo real da OpenAI, projetado para criar agentes de IA conversacionais que podem ouvir, raciocinar e responder naturalmente por áudio.

Desempenho de benchmark do GPT-Realtime-2.1

As melhorias do GPT-Realtime-2.1 focam em métricas práticas de interação em tempo real:

Capacidade	Melhoria
Tratamento de interrupções de voz	Melhorado
Robustez a ruído	Melhorado
Reconhecimento alfanumérico	Melhorado
Fluxos de trabalho de voz baseados em ferramentas	Suportado
Interação fala para fala	Suportado

Principais recursos do GPT-Realtime-2.1

1. Interação nativa de fala para fala

O GPT-Realtime-2.1 elimina a necessidade de pipelines separados de reconhecimento de fala e de texto para fala.

Arquitetura de voz tradicional:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Isso reduz a latência e melhora o fluxo da conversa.

2. Qualidade aprimorada de conversas por voz

O GPT-Realtime-2.1 melhora vários desafios de voz do mundo real:

Melhor tratamento de interrupções

Os usuários podem interromper a IA naturalmente enquanto ela está falando.

Exemplo:

Usuário:

"Reserve um voo para—na verdade, mude para Tóquio."

O modelo pode se recuperar de mudanças na conversa sem reiniciar a interação.

Melhor tratamento de silêncio e ruído

O modelo é otimizado para ambientes em que a qualidade do áudio é imperfeita:

Centros de atendimento
Dispositivos móveis
Espaços públicos
Dispositivos inteligentes

3. Uso avançado de ferramentas por agentes de voz

O GPT-Realtime-2.1 suporta chamadas de ferramentas, permitindo que agentes de voz executem ações.

Exemplos:

Atendimento ao cliente:

User:
"Where is my order?"

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

Fluxo de trabalho corporativo:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Isso torna o GPT-Realtime-2.1 adequado para agentes de voz autônomos.

4. Capacidade de raciocínio configurável

Ao contrário dos modelos de voz em tempo real anteriores, otimizados principalmente para velocidade, o GPT-Realtime-2.1 introduz um esforço de raciocínio configurável.

Os desenvolvedores podem equilibrar:

Latência de resposta
Precisão
Complexidade da tarefa

Baixo raciocínio:

Conversas simples
Assistentes de FAQ

Maior raciocínio:

Solicitações complexas de clientes
Fluxos de trabalho de múltiplas etapas
Operações de negócios

5. Melhor reconhecimento de números e informações técnicas

Agentes de voz frequentemente têm dificuldades com:

Números de conta
Números de série
Endereços
Códigos de produto
Informações financeiras

O GPT-Realtime-2.1 melhora o reconhecimento alfanumérico, tornando-o mais adequado para sistemas de voz corporativos.

6. Suporte a entrada multimodal

O GPT-Realtime-2.1 suporta:

Entrada	Suporte
Texto	✅
Áudio	✅
Imagem	✅
Vídeo	❌

A entrada de imagem possibilita cenários como:

Suporte visual ao cliente
Interpretação de documentos
Assistentes baseados em câmera

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

Modelo	Ponto forte	Melhor uso
GPT-Realtime-2.1	Melhor raciocínio em tempo real + capacidade de agente de voz	Agentes de voz em produção
GPT-Realtime-2	Raciocínio de voz em tempo real robusto	Aplicativos conversacionais avançados
GPT-4o Realtime	Interação multimodal rápida	Assistentes de voz gerais

GPT-Realtime-2.1 vs GPT-Realtime-2

O GPT-Realtime-2.1 melhora:

Recuperação de interrupções de voz
Tratamento de ruído
Precisão de reconhecimento
Robustez conversacional

Ambos os modelos compartilham:

Arquitetura de fala para fala
Chamadas de ferramentas
Suporte a raciocínio
Acesso pela Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

O GPT-Realtime-2.1 é posicionado para fluxos de trabalho de agentes mais avançados.

Comparado ao GPT-4o Realtime:

Capacidade	GPT-Realtime-2.1	GPT-4o Realtime
Raciocínio	Mais forte	Geral
Contexto	128K	32K
Uso de ferramentas	Suportado	Suportado
Agentes de voz	Avançado	Geral
Fluxos de trabalho complexos	Mais adequado	Adequado

Como usar a API do GPT-Realtime-2.1 com a CometAPI

Etapa 1: Obtenha sua chave de API da CometAPI

Crie uma conta na CometAPI e gere um token de API no console do desenvolvedor.

Sua requisição de API deve incluir:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

A chave de API autentica suas solicitações e permite que seu aplicativo chame os modelos de IA disponíveis por meio da CometAPI.

Etapa 2: Crie uma sessão do GPT-Realtime-2.1

O GPT-Realtime-2.1 funciona por meio de uma sessão persistente em tempo real, em vez do tradicional fluxo de requisição-resposta de conclusão de chat.

Uma sessão em tempo real mantém:

Fluxo de entrada de áudio
Respostas do modelo
Estado da conversa
Chamadas de ferramentas
Interrupções

A Realtime API da OpenAI suporta comunicação em tempo real por meio de interfaces WebRTC, WebSocket e SIP.

Exemplo:

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."
}
'

Resposta de exemplo:

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

Etapa 3: Envie entrada de áudio para o GPT-Realtime-2.1

Após criar uma sessão, transmita o áudio do usuário.

Fluxo de trabalho de exemplo:

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

A entrada de áudio pode incluir:

Conversas telefônicas
Comandos de voz
Chamadas de suporte ao cliente
Assistentes interativos

O GPT-Realtime-2.1 melhora a interação por voz com melhor detecção de silêncio, tratamento de ruído e comportamento de interrupção em comparação com modelos anteriores em tempo real.

Etapa 4: Receba respostas de áudio em tempo real

O modelo retorna respostas de áudio geradas por meio da conexão em tempo real.

Evento de exemplo:

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

Seu aplicativo pode reproduzir imediatamente os trechos de áudio recebidos.

Implementações típicas:

Aplicações de voz via WebRTC
Assistentes baseados em navegador
Aplicativos móveis de voz
Agentes telefônicos de IA

Etapa 5: Adicione chamadas de função para agentes de voz

O GPT-Realtime-2.1 suporta chamadas de função, permitindo que agentes de voz executem ações externas.

Exemplo:

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

Possíveis fluxos de trabalho de agentes de voz:

"Onde está o meu pacote?"
"Agende uma reunião para amanhã."
"Cancele minha assinatura."
"Verifique meu saldo."

O modelo pode reconhecer a solicitação, chamar a ferramenta apropriada e continuar a conversa naturalmente.

Etapa 6: Configure o raciocínio e as instruções

O GPT-Realtime-2.1 suporta esforço de raciocínio configurável.

Exemplo:

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

Configurações recomendadas:

Aplicação	Nível de raciocínio
Comandos de voz simples	Baixo
Suporte ao cliente	Médio
Agentes de fluxos de trabalho complexos	Alto

FAQ

API

Copie um endpoint funcional e um exemplo de código, e abra a referência completa da API quando precisar de todos os parâmetros.

Uma API, acesso a modelos pronto para produção

Autentique-se uma vez, chame o endpoint do modelo e mantenha o mesmo fluxo de cobrança e observabilidade entre provedores.

GET/v1/realtime

Código de exemplo e API para 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;
});

Capacidades

Veja os principais dados do modelo antes de escolher uma arquitetura ou estimar a carga em produção.

Capacidades suportadas

Recursos retornados pela API do modelo existente.

text-to-speech

Entrada e saída

Entradas

text

Saídas

audio

Perfil de produção

Provedor: OpenAI
Contexto: Depende do modelo
Uso comercial: Suportado

Casos de uso

Use GPT-Realtime-2.1 em fluxos de produção compatíveis com suas capacidades de audio, e compare alternativas antes de um compromisso de integração de longo prazo.

Geração de voz, música e áudio

Experiências de voz e produção de mídia

Fluxos de trabalho de áudio automatizados em escala

Outros modelos

Compare outros modelos disponíveis na CometAPI considerando qualidade, latência, capacidades e preço.

Abrir comparação de modelos →

ElevenLabs Voice Dubbing

Explore a API de ElevenLabs Voice Dubbing.

Ver modelo

ElevenLabs

ElevenLabs Voice Isolation

Explore a API de ElevenLabs Voice Isolation.

Ver modelo

Bytedance

Seed Audio

Explore a API de Seed Audio.

Disponibilidade

Veja dados de heartbeat em tempo real, disponibilidade do endpoint e tempos de resposta observados antes de ir para produção.

Disponibilidade

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Versões

Veja os identificadores de modelo disponíveis antes de fixar uma integração de produção.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Atualizações

Acompanhe mudanças relevantes na disponibilidade, nos preços e nos recursos de GPT-Realtime-2.1 sem perder a página estável do modelo.

Registro de alterações do modelo

Uma página que se fortalece com o tempo.

Notas de versão, alterações de preços, atualizações de benchmarks e orientações de migração se acumulam aqui, enquanto a URL canônica permanece inalterada.

Aug 7, 2026

Disponibilidade da API confirmada

GPT-Realtime-2.1 está disponível por meio do catálogo de modelos e da documentação da API da CometAPI.

Atual

Dados atualizados

Preços e limites sincronizados com o catálogo

Preço, contexto, disponibilidade e limites são tratados como propriedades dinâmicas, em vez de serem incorporados ao título da página ou à identidade do modelo.

Aug 7, 2026

Entidade permanente do modelo criada

O provedor e o slug do modelo formam uma URL canônica duradoura; futuras atualizações de conteúdo e dados permanecerão nesta página.

Continue explorando