Какие отрасли могут использовать API GPT-Realtime-2.1?

GPT-Realtime-2.1 подходит для служб поддержки, автоматизации продаж, помощников в сфере здравоохранения, образовательных платформ и приложений для умных устройств.

Поддерживает ли GPT-Realtime-2.1 вызов функций?

Да. GPT-Realtime-2.1 поддерживает использование инструментов и вызов функций, позволяя голосовым агентам выполнять внешние действия во время беседы.

Каков размер контекстного окна GPT-Realtime-2.1?

GPT-Realtime-2.1 поддерживает контекстное окно на 128,000 токенов и до 32,000 выходных токенов.

Позволяет ли API GPT-Realtime-2.1 создавать голосовых ассистентов в реальном времени?

Да. GPT-Realtime-2.1 разработан для приложений «речь-в-речь» и позволяет разработчикам создавать разговорных голосовых агентов с низкой задержкой.

Какие модальности ввода и вывода поддерживает GPT-Realtime-2.1?

GPT-Realtime-2.1 поддерживает ввод/вывод текста и аудио, а также ввод изображений, но не поддерживает ввод видео.

Какие улучшения есть у GPT-Realtime-2.1 по сравнению с GPT-Realtime-2?

GPT-Realtime-2.1 улучшает распознавание буквенно-цифровых данных, обработку пауз, устойчивость к шуму и поведение при прерывании, сохраняя при этом возможности рассуждения в реальном времени и использования инструментов.

Когда разработчикам следует выбирать GPT-Realtime-2.1 вместо GPT-4o Realtime API?

Разработчикам следует выбирать GPT-Realtime-2.1 для продвинутых голосовых агентов, которым требуются более сильные способности к рассуждению, использование инструментов и сложные диалоговые рабочие процессы.

OpenAI

Доступно

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.

Стартовая цена

$3.20 / 1 млн входных токенов

Оплата по факту использования

Состояние API

Доступно

Продакшен-эндпоинт

Время отклика

Готово к асинхронности

Измеренное время отклика API

Дата выпуска

Aug 7, 2026

OpenAI

Цены

Используйте быструю оценку выше для одного запуска, а затем изучите полное сравнение цен CometAPI и официальных цен.

Первый запрос

$0.0224

Расчётная стоимость использования CometAPI

Десять запросов

$0.2240

Расчётная стоимость использования CometAPI

Пятнадцать запросов

$0.3360

Расчётная стоимость использования CometAPI

⇌

Конвертация кредитов

1 000 кредитов = $1

Кредиты позволяют сопоставлять бюджеты при оплате за токены, запросы и время выполнения. Сумма в долларах США остаётся источником истины при оформлении заказа.

✓Текущая модель в кредитах

Ввод

3,200

кредитов / 1 млн токенов

Вывод

19,200

кредитов / 1 млн токенов

Прозрачность минимальной оплаты Этот прототип не предполагает скрытой минимальной платы за запрос. Если применяются минимальная сумма оплаты или минимальное пополнение баланса, это должно быть указано до покупки и включено в каждую оценку бюджета.

Модель	Цена Comet (USD / млн токенов)	Официальная цена (USD / млн токенов)	Скидка
gpt-realtime-2.1	Ввод: $3.20/млн Вывод: $19.20/млн	Ввод: $4.00/млн Вывод: $24.00/млн	-20%
gpt-realtime-2.1-mini	Ввод: $0.4800/млн Вывод: $2.88/млн	Ввод: $0.6000/млн Вывод: $3.60/млн	-20%

Краткий обзор модели

Стабильная идентичность модели для поиска и оценки в сочетании с актуальными данными каталога, которые могут меняться без необходимости переписывать основную SEO-структуру страницы.

Стабильная идентичность

Что такое GPT-Realtime-2.1?

Каноническая идентичность модели остается неизменной, даже если цены и лимиты меняются.

Актуальные данные о модели

Текущий снимок каталога

Доступность

Доступна

Начальная цена

$3.20 / 1 млн входных токенов

Контекст

Посмотреть возможности

Дата каталога

Aug 7, 2026

Обзор

Практический обзор GPT-Realtime-2.1, включая важные особенности поведения и нюансы интеграции.

Технические характеристики GPT-Realtime-2.1

Спецификация	Подробности
Название модели	GPT-Realtime-2.1
Провайдер	OpenAI
Семейство моделей	серия GPT-Realtime
Тип модели	Мультимодальная голосовая модель для рассуждений в реальном времени
Основное назначение	Голосовые ИИ-агенты с режимом речь-в-речь
Входные модальности	Текст, аудио, изображение
Выходные модальности	Текст, аудио
Окно контекста	128,000 токенов
Максимум выходных токенов	32,000 токенов
Поддержка рассуждений	Настраиваемая степень рассуждений
Вызов функций	Поддерживается
Структурированные выходные данные	Не поддерживается
Дообучение	Не поддерживается
Видео (вход)	Не поддерживается
Основная конечная точка API	Realtime API
Дата отсечения знаний	30 сентября 2024

Источник: документация модели OpenAI GPT-Realtime-2.1.

Что такое GPT-Realtime-2.1?

GPT-Realtime-2.1 — это продвинутая модель OpenAI для голосового взаимодействия в реальном времени, предназначенная для создания разговорных ИИ-агентов, которые умеют слушать, рассуждать и естественно отвечать голосом.

В отличие от традиционных голосовых ассистентов, которые полагаются на раздельные конвейеры распознавания речи, языкового понимания и синтеза речи, GPT-Realtime-2.1 обеспечивает нативное взаимодействие речь-в-речь, что снижает задержку и улучшает обработку прерываний и контекстное понимание.

Модель оптимизирована для производственных голосовых приложений, включая агентов службы поддержки, ИИ-ассистентов, автоматизацию продаж, образовательные платформы и интерактивные голосовые сценарии.

Производительность GPT-Realtime-2.1 в бенчмарках

Улучшения GPT-Realtime-2.1 сосредоточены на практических метриках взаимодействия в реальном времени:

Возможность	Улучшение
Обработка прерываний в речи	Улучшено
Устойчивость к шуму	Улучшено
Распознавание буквенно-цифровых данных	Улучшено
Голосовые рабочие процессы с инструментами	Поддерживается
Взаимодействие речь-в-речь	Поддерживается

Основные возможности GPT-Realtime-2.1

1. Нативное взаимодействие речь-в-речь

GPT-Realtime-2.1 устраняет необходимость в раздельных конвейерах распознавания речи и синтеза речи.

Традиционная голосовая архитектура:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Это снижает задержку и улучшает плавность диалога.

2. Улучшенное качество голосового диалога

GPT-Realtime-2.1 улучшает несколько реальных задач голосового взаимодействия:

Лучшая обработка прерываний

Пользователи могут естественно перебивать ИИ, пока он говорит.

Пример:

Пользователь:

"Забронируй мне перелёт до—постой, поменяй на Токио."

Модель способна восстановиться после изменения хода разговора без перезапуска взаимодействия.

Лучшая обработка тишины и шума

Модель оптимизирована для условий с несовершенным качеством звука:

Контакт-центры
Мобильные устройства
Общественные пространства
Умные устройства

3. Продвинутое использование инструментов голосовым агентом

GPT-Realtime-2.1 поддерживает вызов инструментов, позволяя голосовым агентам выполнять действия.

Примеры:

Служба поддержки клиентов:

User:
"Where is my order?"

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

Корпоративный рабочий процесс:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Это делает GPT-Realtime-2.1 подходящей для автономных голосовых агентов.

4. Настраиваемая способность к рассуждению

В отличие от ранних голосовых моделей реального времени, в основном оптимизированных под скорость, GPT-Realtime-2.1 вводит настраиваемую степень рассуждений.

Разработчики могут балансировать:

Задержку ответа
Точность
Сложность задачи

Низкий уровень рассуждений:

Простые разговоры
FAQ-ассистенты

Высокий уровень рассуждений:

Сложные запросы клиентов
Многошаговые рабочие процессы
Бизнес-операции

5. Лучшая распознаваемость чисел и технической информации

Голосовые агенты часто испытывают сложности с:

Номерами счетов
Серийными номерами
Адресами
Кодами продуктов
Финансовой информацией

GPT-Realtime-2.1 улучшает распознавание буквенно-цифровых данных, делая модель более пригодной для корпоративных голосовых систем.

6. Поддержка мультимодального ввода

GPT-Realtime-2.1 поддерживает:

Ввод	Поддержка
Текст	✅
Аудио	✅
Изображение	✅
Видео	❌

Ввод изображений позволяет реализовать сценарии:

Визуальная поддержка клиентов
Интерпретация документов
Ассистенты на основе камеры

GPT-Realtime-2.1 по сравнению с GPT-Realtime-2 и GPT-4o Realtime

Модель	Сильная сторона	Лучшее применение
GPT-Realtime-2.1	Лучшая способность к рассуждениям в реальном времени + возможности голосового агента	Продакшен-голосовые агенты
GPT-Realtime-2	Сильные голосовые рассуждения в реальном времени	Продвинутые разговорные приложения
GPT-4o Realtime	Быстрое мультимодальное взаимодействие	Общие голосовые ассистенты

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 улучшает:

Восстановление после прерываний
Обработку шума
Точность распознавания
Робастность диалога

Обе модели имеют:

Архитектуру речь-в-речь
Вызов инструментов
Поддержку рассуждений
Доступ через Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 ориентирована на более продвинутые агентные рабочие процессы.

По сравнению с GPT-4o Realtime:

Возможность	GPT-Realtime-2.1	GPT-4o Realtime
Рассуждения	Сильнее	Общие
Контекст	128K	32K
Использование инструментов	Поддерживается	Поддерживается
Голосовые агенты	Продвинутые	Общие
Сложные процессы	Лучше подходит	Подходит

Как использовать GPT-Realtime-2.1 API с CometAPI

GPT-Realtime-2.1 разработана для низкой задержки в голосовых агентских приложениях. Она поддерживает взаимодействие речь-в-речь в реальном времени, аудиоввод/вывод, ввод изображений, настраиваемую степень рассуждений и вызов функций для голосовых рабочих процессов с инструментами. OpenAI предоставляет доступ через Realtime API, включая методы реального времени на основе WebRTC, WebSocket и SIP.

CometAPI обеспечивает унифицированный слой API для интеграции продвинутых моделей ИИ, позволяя разработчикам использовать рабочие процессы уровня GPT-Realtime-2.1 без необходимости поддерживать отдельную аутентификацию провайдеров, SDK и инфраструктуру.

Шаг 1: Получите ключ API CometAPI

Создайте аккаунт CometAPI и сгенерируйте токен API в консоли разработчика.

Ваш запрос к API должен включать:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

Ключ API аутентифицирует ваши запросы и позволяет вашему приложению вызывать доступные модели ИИ через CometAPI.

Шаг 2: Создайте сессию GPT-Realtime-2.1

GPT-Realtime-2.1 работает через постоянную сессию реального времени вместо традиционных запросов-ответов чата.

Сессия реального времени поддерживает:

Поток аудиоввода
Ответы модели
Состояние диалога
Вызовы инструментов
Прерывания

Realtime API от OpenAI поддерживает связь в реальном времени через интерфейсы WebRTC, WebSocket и SIP.

Пример:

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."
}
'

Пример ответа:

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

Шаг 3: Отправьте аудиоввод в GPT-Realtime-2.1

После создания сессии транслируйте пользовательский аудиопоток.

Пример рабочего процесса:

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

Аудиоввод может включать:

Телефонные разговоры
Голосовые команды
Звонки в службу поддержки
Интерактивных ассистентов

GPT-Realtime-2.1 улучшает голосовое взаимодействие за счёт лучшего определения пауз, обработки шума и поведения при прерываниях по сравнению с ранними моделями реального времени.

Шаг 4: Получайте аудиоответы в реальном времени

Модель возвращает сгенерированные аудиоответы через соединение реального времени.

Пример события:

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

Ваше приложение может немедленно воспроизводить полученные аудиофрагменты.

Типичные реализации:

Голосовые приложения на базе WebRTC
Браузерные ассистенты
Мобильные голосовые приложения
ИИ-телефонные агенты

Шаг 5: Добавьте вызов функций для голосовых агентов

GPT-Realtime-2.1 поддерживает вызов функций, позволяя голосовым агентам выполнять внешние действия.

Пример:

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

Возможные рабочие процессы голосового агента:

"Где моя посылка?"
"Запланируй мне встречу на завтра."
"Отмени мою подписку."
"Проверь мой баланс."

Модель может распознать запрос, вызвать соответствующий инструмент и естественно продолжить диалог.

Шаг 6: Настройте рассуждения и инструкции

GPT-Realtime-2.1 поддерживает настраиваемую степень рассуждений.

Пример:

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

Рекомендованные настройки:

Применение	Уровень рассуждений
Простые голосовые команды	Низкий
Служба поддержки	Средний
Агенты для сложных рабочих процессов	Высокий

ЧАВО

API

Скопируйте рабочий эндпоинт и пример кода, а при необходимости всех параметров откройте полный справочник по API.

Единый API, промышленный доступ к моделям

Пройдите аутентификацию один раз, вызывайте эндпоинт модели и сохраняйте единый процесс биллинга и мониторинга у разных провайдеров.

GET/v1/realtime

Пример кода и API для GPT-Realtime-2.1

Получите доступ к исчерпывающим примерам кода и ресурсам API для GPT-Realtime-2.1, чтобы упростить процесс интеграции. Наша подробная документация предоставляет пошаговые инструкции, помогая вам использовать весь потенциал GPT-Realtime-2.1 в ваших проектах.

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;
});

Возможности

Изучите ключевые характеристики модели перед выбором архитектуры или оценкой продакшен-нагрузки.

Поддерживаемые возможности

Функции, возвращаемые существующим API модели.

text-to-speech

Ввод и вывод

Входы

text

Выходы

audio

Продакшен-профиль

Провайдер: OpenAI
Контекст: Зависит от модели
Коммерческое использование: Поддерживается

Сценарии использования

Используйте GPT-Realtime-2.1 в продакшен-сценариях, соответствующих её возможностям audio, и сравните альтернативы перед долгосрочной интеграцией.

Генерация речи, музыки и аудио

Голосовые сценарии и медиапроизводство

Автоматизированные аудио-процессы в большом масштабе

Другие модели

Сравните другие модели, доступные через CometAPI, по качеству, задержке, возможностям и цене.

Открыть сравнение моделей →

ElevenLabs

Eleven V4

Eleven v4 — выразительная модель синтеза речи ElevenLabs, разработанная для генерации естественно звучащей речи с богатой эмоциональной подачей, пониманием контекста и высокой стабильностью голоса.

Смотреть модель

ElevenLabs

ElevenLabs Voice Dubbing

Изучите API модели ElevenLabs Voice Dubbing.

Смотреть модель

ElevenLabs

ElevenLabs Voice Isolation

Изучите API модели ElevenLabs Voice Isolation.

Смотреть модель

Bytedance

Seed Audio

Изучите API модели Seed Audio.

Смотреть модель

OpenAI

GPT-4o mini Audio

GPT-4o mini Audio — мультимодальная модель для речевого и текстового взаимодействия. Она выполняет распознавание речи, перевод и синтез речи, следует инструкциям и может вызывать инструменты для выполнения структурированных действий с потоковыми ответами. Типичные варианты использования включают голосовых ассистентов в реальном времени, создание субтитров и перевод в реальном времени, суммаризацию звонков и приложения с голосовым управлением. К техническим особенностям относятся ввод и вывод аудио, потоковые ответы, вызов функций и структурированный вывод в формате JSON.

Смотреть модель

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe — это модель преобразования аудио в текст для многоязычного распознавания речи с низкой задержкой. Она поддерживает потоковую обработку в реальном времени и пакетное транскрибирование из распространённых аудиоформатов с расстановкой знаков препинания и сегментацией на предложения. Типичные сценарии использования включают субтитры в реальном времени, ввод для голосовых ассистентов, заметки по встречам и транскрибирование медиаконтента или записей звонков. К техническим особенностям относятся поддержка аудиомодальности, обработка длинных записей и API, подходящие для интерактивных и серверных рабочих процессов.

Смотреть модель

Доступность

Перед переходом в продакшен изучите данные о состоянии в реальном времени, доступность эндпоинта и измеренное время отклика.

Доступность

Процент успешных запросов за последние 30 дней, отражающий надёжность каждого поставщика моделей. CometAPI круглосуточно отслеживает всех подключённых поставщиков в режиме реального времени.

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Версии

Изучите доступные идентификаторы моделей перед фиксацией продакшен-интеграции.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Обновления

Следите за значимыми изменениями доступности, цен и возможностей GPT-Realtime-2.1, сохраняя стабильность страницы модели.

Журнал изменений модели

Одна страница, которая со временем становится полезнее.

Здесь накапливаются примечания к выпускам, изменения цен, обновления бенчмарков и рекомендации по миграции, а канонический URL остается неизменным.

Aug 7, 2026

Доступность API подтверждена

GPT-Realtime-2.1 доступна через каталог моделей CometAPI и документацию API.

Текущий

Актуальные данные

Цены и ограничения синхронизированы с каталогом

Цена, контекст, доступность и ограничения рассматриваются как динамические свойства, а не встраиваются в заголовок страницы или идентификатор модели.

Aug 7, 2026

Постоянная сущность модели создана

Поставщик и slug модели образуют постоянный канонический URL; будущие обновления контента и данных будут отображаться на этой странице.

Продолжайте изучение

Сравнивайте модели и продолжайте исследование

OpenAI

Доступно

gpt-realtime-2.1

GPT-Realtime-2.1 API

Стартовая цена

$3.20 / 1 млн входных токенов

Оплата по факту использования

Состояние API

Доступно

Продакшен-эндпоинт

Время отклика

Готово к асинхронности

Измеренное время отклика API

Дата выпуска

Aug 7, 2026

OpenAI

Цены

Первый запрос

$0.0224

Расчётная стоимость использования CometAPI

Десять запросов

$0.2240

Расчётная стоимость использования CometAPI

Пятнадцать запросов

$0.3360

Расчётная стоимость использования CometAPI

⇌

Конвертация кредитов

1 000 кредитов = $1

✓Текущая модель в кредитах

Ввод

3,200

кредитов / 1 млн токенов

Вывод

19,200

кредитов / 1 млн токенов

Модель	Цена Comet (USD / млн токенов)	Официальная цена (USD / млн токенов)	Скидка
gpt-realtime-2.1	Ввод: $3.20/млн Вывод: $19.20/млн	Ввод: $4.00/млн Вывод: $24.00/млн	-20%
gpt-realtime-2.1-mini	Ввод: $0.4800/млн Вывод: $2.88/млн	Ввод: $0.6000/млн Вывод: $3.60/млн	-20%

Краткий обзор модели

Стабильная идентичность

Что такое GPT-Realtime-2.1?

Каноническая идентичность модели остается неизменной, даже если цены и лимиты меняются.

Актуальные данные о модели

Текущий снимок каталога

Доступность

Доступна

Начальная цена

$3.20 / 1 млн входных токенов

Контекст

Посмотреть возможности

Дата каталога

Aug 7, 2026

Обзор

Практический обзор GPT-Realtime-2.1, включая важные особенности поведения и нюансы интеграции.

Технические характеристики GPT-Realtime-2.1

Спецификация	Подробности
Название модели	GPT-Realtime-2.1
Провайдер	OpenAI
Семейство моделей	серия GPT-Realtime
Тип модели	Мультимодальная голосовая модель для рассуждений в реальном времени
Основное назначение	Голосовые ИИ-агенты с режимом речь-в-речь
Входные модальности	Текст, аудио, изображение
Выходные модальности	Текст, аудио
Окно контекста	128,000 токенов
Максимум выходных токенов	32,000 токенов
Поддержка рассуждений	Настраиваемая степень рассуждений
Вызов функций	Поддерживается
Структурированные выходные данные	Не поддерживается
Дообучение	Не поддерживается
Видео (вход)	Не поддерживается
Основная конечная точка API	Realtime API
Дата отсечения знаний	30 сентября 2024

Источник: документация модели OpenAI GPT-Realtime-2.1.

Что такое GPT-Realtime-2.1?

Производительность GPT-Realtime-2.1 в бенчмарках

Улучшения GPT-Realtime-2.1 сосредоточены на практических метриках взаимодействия в реальном времени:

Возможность	Улучшение
Обработка прерываний в речи	Улучшено
Устойчивость к шуму	Улучшено
Распознавание буквенно-цифровых данных	Улучшено
Голосовые рабочие процессы с инструментами	Поддерживается
Взаимодействие речь-в-речь	Поддерживается

Основные возможности GPT-Realtime-2.1

1. Нативное взаимодействие речь-в-речь

GPT-Realtime-2.1 устраняет необходимость в раздельных конвейерах распознавания речи и синтеза речи.

Традиционная голосовая архитектура:

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

GPT-Realtime-2.1:

User Voice
 ↓
GPT-Realtime-2.1
 ↓
Voice Response

Это снижает задержку и улучшает плавность диалога.

2. Улучшенное качество голосового диалога

GPT-Realtime-2.1 улучшает несколько реальных задач голосового взаимодействия:

Лучшая обработка прерываний

Пользователи могут естественно перебивать ИИ, пока он говорит.

Пример:

Пользователь:

"Забронируй мне перелёт до—постой, поменяй на Токио."

Модель способна восстановиться после изменения хода разговора без перезапуска взаимодействия.

Лучшая обработка тишины и шума

Модель оптимизирована для условий с несовершенным качеством звука:

Контакт-центры
Мобильные устройства
Общественные пространства
Умные устройства

3. Продвинутое использование инструментов голосовым агентом

GPT-Realtime-2.1 поддерживает вызов инструментов, позволяя голосовым агентам выполнять действия.

Примеры:

Служба поддержки клиентов:

User:
"Where is my order?"

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

Корпоративный рабочий процесс:

Voice command
↓
Reasoning
↓
API execution
↓
Voice confirmation

Это делает GPT-Realtime-2.1 подходящей для автономных голосовых агентов.

4. Настраиваемая способность к рассуждению

Разработчики могут балансировать:

Задержку ответа
Точность
Сложность задачи

Низкий уровень рассуждений:

Простые разговоры
FAQ-ассистенты

Высокий уровень рассуждений:

Сложные запросы клиентов
Многошаговые рабочие процессы
Бизнес-операции

5. Лучшая распознаваемость чисел и технической информации

Голосовые агенты часто испытывают сложности с:

Номерами счетов
Серийными номерами
Адресами
Кодами продуктов
Финансовой информацией

6. Поддержка мультимодального ввода

GPT-Realtime-2.1 поддерживает:

Ввод	Поддержка
Текст	✅
Аудио	✅
Изображение	✅
Видео	❌

Ввод изображений позволяет реализовать сценарии:

Визуальная поддержка клиентов
Интерпретация документов
Ассистенты на основе камеры

GPT-Realtime-2.1 по сравнению с GPT-Realtime-2 и GPT-4o Realtime

Модель	Сильная сторона	Лучшее применение
GPT-Realtime-2.1	Лучшая способность к рассуждениям в реальном времени + возможности голосового агента	Продакшен-голосовые агенты
GPT-Realtime-2	Сильные голосовые рассуждения в реальном времени	Продвинутые разговорные приложения
GPT-4o Realtime	Быстрое мультимодальное взаимодействие	Общие голосовые ассистенты

GPT-Realtime-2.1 vs GPT-Realtime-2

GPT-Realtime-2.1 улучшает:

Восстановление после прерываний
Обработку шума
Точность распознавания
Робастность диалога

Обе модели имеют:

Архитектуру речь-в-речь
Вызов инструментов
Поддержку рассуждений
Доступ через Realtime API

GPT-Realtime-2.1 vs GPT-4o Realtime

GPT-Realtime-2.1 ориентирована на более продвинутые агентные рабочие процессы.

По сравнению с GPT-4o Realtime:

Возможность	GPT-Realtime-2.1	GPT-4o Realtime
Рассуждения	Сильнее	Общие
Контекст	128K	32K
Использование инструментов	Поддерживается	Поддерживается
Голосовые агенты	Продвинутые	Общие
Сложные процессы	Лучше подходит	Подходит

Как использовать GPT-Realtime-2.1 API с CometAPI

Шаг 1: Получите ключ API CometAPI

Создайте аккаунт CometAPI и сгенерируйте токен API в консоли разработчика.

Ваш запрос к API должен включать:

Authorization: Bearer YOUR_COMETAPI_API_KEY
Content-Type: application/json

Ключ API аутентифицирует ваши запросы и позволяет вашему приложению вызывать доступные модели ИИ через CometAPI.

Шаг 2: Создайте сессию GPT-Realtime-2.1

GPT-Realtime-2.1 работает через постоянную сессию реального времени вместо традиционных запросов-ответов чата.

Сессия реального времени поддерживает:

Поток аудиоввода
Ответы модели
Состояние диалога
Вызовы инструментов
Прерывания

Realtime API от OpenAI поддерживает связь в реальном времени через интерфейсы WebRTC, WebSocket и SIP.

Пример:

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."
}
'

Пример ответа:

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

Шаг 3: Отправьте аудиоввод в GPT-Realtime-2.1

После создания сессии транслируйте пользовательский аудиопоток.

Пример рабочего процесса:

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

Аудиоввод может включать:

Телефонные разговоры
Голосовые команды
Звонки в службу поддержки
Интерактивных ассистентов

Шаг 4: Получайте аудиоответы в реальном времени

Модель возвращает сгенерированные аудиоответы через соединение реального времени.

Пример события:

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

Ваше приложение может немедленно воспроизводить полученные аудиофрагменты.

Типичные реализации:

Голосовые приложения на базе WebRTC
Браузерные ассистенты
Мобильные голосовые приложения
ИИ-телефонные агенты

Шаг 5: Добавьте вызов функций для голосовых агентов

GPT-Realtime-2.1 поддерживает вызов функций, позволяя голосовым агентам выполнять внешние действия.

Пример:

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

Возможные рабочие процессы голосового агента:

"Где моя посылка?"
"Запланируй мне встречу на завтра."
"Отмени мою подписку."
"Проверь мой баланс."

Модель может распознать запрос, вызвать соответствующий инструмент и естественно продолжить диалог.

Шаг 6: Настройте рассуждения и инструкции

GPT-Realtime-2.1 поддерживает настраиваемую степень рассуждений.

Пример:

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

Рекомендованные настройки:

Применение	Уровень рассуждений
Простые голосовые команды	Низкий
Служба поддержки	Средний
Агенты для сложных рабочих процессов	Высокий

ЧАВО

API

Единый API, промышленный доступ к моделям

GET/v1/realtime

Пример кода и API для 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;
});

Возможности

Изучите ключевые характеристики модели перед выбором архитектуры или оценкой продакшен-нагрузки.

Поддерживаемые возможности

Функции, возвращаемые существующим API модели.

text-to-speech

Ввод и вывод

Входы

text

Выходы

audio

Продакшен-профиль

Провайдер: OpenAI
Контекст: Зависит от модели
Коммерческое использование: Поддерживается

Сценарии использования

Генерация речи, музыки и аудио

Голосовые сценарии и медиапроизводство

Автоматизированные аудио-процессы в большом масштабе

Другие модели

Сравните другие модели, доступные через CometAPI, по качеству, задержке, возможностям и цене.

Открыть сравнение моделей →

ElevenLabs Voice Dubbing

Изучите API модели ElevenLabs Voice Dubbing.

Смотреть модель

ElevenLabs

ElevenLabs Voice Isolation

Изучите API модели ElevenLabs Voice Isolation.

Смотреть модель

Bytedance

Seed Audio

Изучите API модели Seed Audio.

Доступность

Respond

2010msAvg. Response

Uptime

70.2%Avg. Uptime

Версии

Изучите доступные идентификаторы моделей перед фиксацией продакшен-интеграции.

gpt-realtime-2.1

gpt-realtime-2.1-mini

Обновления

Журнал изменений модели

Одна страница, которая со временем становится полезнее.

Aug 7, 2026

Доступность API подтверждена

GPT-Realtime-2.1 доступна через каталог моделей CometAPI и документацию API.

Текущий

Актуальные данные

Цены и ограничения синхронизированы с каталогом

Aug 7, 2026

Постоянная сущность модели создана

Продолжайте изучение