Ir al contenido principal

openai/gpt-realtime-2.1/realtime

GPT-Realtime-2.1 comprende solicitudes habladas, usa razonamiento y funciones, y transmite respuestas de voz o texto.

Texto · Entrada $0.80Texto · Salida $4.80Audio · Entrada $6.40Audio · Salida $12.80Imagen · Entrada $1por 1 millón de tokens80% por debajo del precio oficialTexto · Entrada en caché $0.08Audio · Entrada en caché $0.08Imagen · Entrada en caché $0.10Precio oficial de OpenAITexto · Entrada $4Texto · Salida $24Audio · Entrada $32Audio · Salida $64Imagen · Entrada $5

Playground

Entrada

Conversación en tiempo real
34/4096
GPT-Realtime-2.1 — Indique el texto inicial de una tarea individual. El audio en vivo se envía mediante eventos WebSocket. mínimo 1 caracteres · máximo 4096 caracteres
GPT-Realtime-2.1 — Elija la voz antes de generar audio; cambiarla después de la primera salida requiere otra conversación.
Esfuerzo de razonamiento
MínimoBajoMedioAltoMuy alto
GPT-Realtime-2.1 — Se admiten minimal, low, medium, high y xhigh. El razonamiento también consume tokens de salida.
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo
0:00 / –:––

Modelos relacionados y tareas siguientes

¿No está el modelo que buscas?

GPT-Realtime-2.1 comprende solicitudes habladas, usa razonamiento y funciones, y transmite respuestas de voz o texto.

Cifras clave

Contexto
128K

Presupuesto de tokens

Ventana de entrada
128.000
tokens por solicitud
Respuesta más larga
32.000
25 % de la ventana

reasoning_effort

  • minimal
  • low
  • medium
  • high
  • xhigh

Lo que hace el modelo

Respuestas habladas con razonamiento y funciones

La versión 2.1 mejora el reconocimiento de letras y números, el manejo de pausas y ruido, y la respuesta a interrupciones. Estas capacidades resultan útiles al confirmar un código de referencia o escuchar una frase sin terminar. Aun así, la aplicación debe confirmar nombres y cifras importantes. La transcripción que acompaña al audio no demuestra que todos los dígitos se hayan entendido bien. El nivel de razonamiento permite dedicar más trabajo a un turno difícil. Las funciones vinculan la conversación con acciones de la aplicación, y el audio en streaming puede reproducirse antes de que termine toda la respuesta. El contexto admite 128,000 tokens y la salida hasta 32,000. Cada conexión usa los presupuestos de historial y salida que seleccione quien llama al endpoint.

Dónde encaja

  • Coordinar una cita por voz

    Para coordinar una cita por voz, una función consulta la disponibilidad antes de proponer un horario. La aplicación puede pedir que se repitan la fecha y los participantes antes de ejecutar una acción independiente que confirme la reserva.

  • Diagnosticar un dispositivo paso a paso

    Para diagnosticar un dispositivo, conserve su estado actual en la conversación y haga una pregunta por turno. Confirme el éxito de cada operación con el resultado de una herramienta antes de explicar el siguiente paso en voz alta.

Creado con GPT-Realtime-2.1

  • Confirmación hablada
  • Recordatorio de salida del ferry
  • Confirmación de una reserva de restaurante
  • Recordatorio de reunión al mediodía

Referencia del modelo

Referencia de la API de GPT-Realtime-2.1

Cómo llamar a la API de GPT-Realtime-2.1

  1. Guía de prompts y consejos profesionales

    Defina de forma breve el rol, el idioma y cuándo confirmar nombres o números ambiguos. Describa cuándo debe llamarse cada función y qué resultado permite anunciar que algo se completó. Comience con minimal para una confirmación corta y compare un esfuerzo mayor en preguntas representativas de varios pasos. Elija la voz, la codificación y la velocidad antes de iniciar la respuesta. PCM usa 24 kHz mono; G.711 usa 8 kHz. Ajuste la detección automática con ruido de micrófono y vacilaciones reales. El cliente controla la reproducción y las interrupciones. La transcripción independiente de la entrada usa una conexión con cobro separado. Reserve el historial útil y un límite de salida adecuado para una respuesta hablada.

Preguntas sobre la API de GPT-Realtime-2.1

Todos los modelos GPT18

Modelos de texto11