gpt-realtime-1.5 的技術規格
| Item | gpt-realtime-1.5（公開定位） |
|---|---|
| Model family | GPT Realtime 1.5（針對語音最佳化的變體） |
| Primary modality | 語音到語音（S2S） |
| Input types | 音訊（串流）、文字 |
| Output types | 音訊（串流）、文字、結構化工具呼叫 |
| API | Realtime API（WebRTC / 持續串流工作階段） |
| Latency profile | 針對低延遲、即時對話互動最佳化 |
| Session model | 具狀態的串流工作階段 |
| Tool use | 支援函式呼叫與工具整合 |
| Target use case | 即時語音代理、助理、互動系統 |
註：具體的 token 限制與上下文視窗大小未在公開摘要中突出記載；該模型定位於即時回應，而非極長上下文工作階段。
什麼是 gpt-realtime-1.5?
gpt-realtime-1.5 是一款低延遲、針對語音到語音最佳化的模型，專為即時對話系統設計。與傳統的請求—回應模型不同，它透過持續的串流工作階段運作，能夠實現自然的輪流發言、中斷處理與動態語音互動。
其設計重點在於對話流程的速度，而非最大上下文長度。
主要功能
- 真正的語音到語音互動 — 接受即時音訊輸入並以語音即時串流回應。
- 低延遲架構 — 為語音代理提供亞秒級對話回應速度而設計。
- 以串流為先的設計 — 透過持續工作階段（WebRTC 或串流協定）運作。
- 自然輪流發言 — 支援中斷處理與動態對話流程。
- 支援工具呼叫 — 可在即時會話中觸發結構化函式呼叫。
- 可用於生產環境的語音代理基礎 — 專為互動助理、資訊亭與嵌入式裝置打造。
基準與效能定位
OpenAI 將 gpt-realtime-1.5 定位為早期即時模型的進化版本，相較於先前版本，其在遵循指令、長時間語音會話的穩定性，以及更自然的語調方面均有所提升。
不同於偏重程式編寫的模型（例如 Codex 系列），其效能衡量更側重對話延遲、語音自然度與工作階段穩定性，而非排行榜式的基準測試。
gpt-realtime-1.5 與相關模型比較
| Feature | gpt-realtime-1.5 | gpt-audio-1.5 |
|---|---|---|
| Primary goal | 即時語音互動 | 支援音訊的聊天工作流程 |
| Latency | 針對最小延遲最佳化 | 在品質/速度之間取得平衡 |
| Session type | 持續串流工作階段 | 標準 Chat Completions 流程 |
| Context size | 針對回應速度最佳化 | 支援較大的上下文 |
| Best use case | 即時語音代理 | 具音訊能力的對話助理 |
何時選擇各自
- 選擇 gpt-realtime-1.5 用於客服中心、資訊亭、AI 接待員或即時嵌入式助理。
- 選擇 gpt-audio-1.5 用於需要較長對話記憶或多模態工作流程的語音啟用聊天應用。
代表性使用情境
- AI 客服中心代理
- 智慧裝置助理
- 互動式資訊亭
- 即時教學系統
- 即時語言練習工具
- 語音控制應用
- 如何存取 GPT realtime 1.5 API
步驟 1：註冊取得 API Key
登入 cometapi.com。若您尚未成為我們的使用者，請先註冊。登入您的 CometAPI console。取得該介面的存取憑證 API Key。在個人中心的 API token 處點擊 “Add Token”，取得 token key：sk-xxxxx 並提交。
步驟 2：向 GPT realtime 1.5 API 發送請求
選擇 “gpt-realtime-1.5” 端點發送 API 請求並設定請求本文。請求方法與請求本文來自我們網站的 API 文件。我們的網站亦提供 Apifox 測試以便使用。將 <YOUR_API_KEY> 替換為你帳戶中的實際 CometAPI 金鑰。基礎 URL 為 Chat Completions
將你的問題或請求放入 content 欄位——模型將對此做出回應。處理 API 回應以取得生成的答案。
步驟 3：擷取並驗證結果
處理 API 回應以取得生成的答案。處理後，API 會回傳任務狀態與輸出資料。