gpt-realtime-1.5 技术规格
| 项目 | gpt-realtime-1.5（公开定位） |
|---|---|
| 模型家族 | GPT Realtime 1.5（语音优化变体） |
| 主要模态 | 语音到语音（S2S） |
| 输入类型 | 音频（流式）、文本 |
| 输出类型 | 音频（流式）、文本、结构化工具调用 |
| API | 实时 API（WebRTC/持久化流式会话） |
| 延迟特性 | 为低延迟、实时对话交互优化 |
| 会话模型 | 有状态的流式会话 |
| 工具使用 | 支持函数调用与工具集成 |
| 目标用例 | 实时语音代理、助手、交互式系统 |
注：公开摘要中未明显记录确切的 token 限制与上下文窗口大小；该模型更侧重实时响应能力，而非极长上下文会话。
什么是 gpt-realtime-1.5？
gpt-realtime-1.5 是一款面向实时对话系统的低延迟、语音到语音优化模型。与传统的请求-响应模型不同，它通过持久化的流式会话运行，使自然的轮流发言、打断处理和动态语音交互成为可能。
它专为对话流畅性和速度比最大上下文长度更重要的应用而打造。
主要特性
- 真实的语音到语音交互——接受实时音频输入并以流式方式输出口语化响应。
- 低延迟架构——为语音代理提供亚秒级对话响应而设计。
- 流式优先设计——通过持久化会话（WebRTC 或流式协议）工作。
- 自然的轮流发言——支持打断处理与动态对话流。
- 支持工具调用——可在实时会话中触发结构化函数调用。
- 面向生产的语音代理基础——专为交互式助手、信息亭与嵌入式设备构建。
基准与性能定位
OpenAI 将 gpt-realtime-1.5 定位为早期实时模型的演进版本，在较长时长的语音会话中具备更好的指令遵循能力、更高的稳定性，以及比早期版本更自然的韵律。
不同于以编程为重点的模型（如 Codex 变体），其性能更多以对话延迟、语音自然度与会话稳定性来衡量，而非排行榜式基准。
gpt-realtime-1.5 与相关模型对比
| 特性 | gpt-realtime-1.5 | gpt-audio-1.5 |
|---|---|---|
| 主要目标 | 实时语音交互 | 支持音频的聊天工作流 |
| 延迟 | 面向最小延迟优化 | 质量/速度平衡 |
| 会话类型 | 持久化流式会话 | 标准 Chat Completions 流程 |
| 上下文大小 | 为响应速度优化 | 支持更大的上下文 |
| 最佳用例 | 实时语音代理 | 具备音频能力的会话助手 |
选择指南
- 对于呼叫中心、信息亭、AI 接待或实时嵌入式助手，选择 gpt-realtime-1.5。
- 对于需要更长对话记忆或多模态工作流的语音聊天应用，选择 gpt-audio-1.5。
典型用例
- AI 呼叫中心座席
- 智能设备助手
- 交互式信息亭
- 实时辅导系统
- 实时语言练习工具
- 语音控制应用
- 如何访问 GPT realtime 1.5 API
步骤 1：注册获取 API 密钥
登录 cometapi.com。若您尚未成为我们的用户，请先注册。登录您的 CometAPI 控制台。获取接口访问凭证 API Key。在个人中心的 API token 处点击“Add Token”，获取令牌 Key：sk-xxxxx 并提交。
步骤 2：向 GPT realtime 1.5 API 发送请求
选择 “gpt-realtime-1.5” 端点发送 API 请求并设置请求体。请求方法与请求体可在我们网站的 API 文档获取。我们的网站也提供 Apifox 测试以便调试。将 <YOUR_API_KEY> 替换为你账户中的实际 CometAPI 密钥。base url 为 Chat Completions
将你的问题或请求填入 content 字段——模型将对其作出响应。处理 API 响应以获取生成的答案。
步骤 3：检索与验证结果
处理 API 响应以获取生成的答案。处理完成后，API 会返回任务状态与输出数据。