Introducción
GPT-Realtime-2.1 Mini es un modelo de voz con razonamiento destilado para intercambios breves y ágiles. Escucha audio, conserva el contexto y genera voz directamente. El protocolo nativo también admite texto e imágenes. La conexión ofrecida usa WebSocket de servidor; una tarea separada produce una única respuesta hablada para una solicitud escrita corta.
Funciones y aspectos destacados
Mini está orientado a interacciones frecuentes de menor costo, en lugar de monólogos largos. Una confirmación sencilla puede usar poco razonamiento, mientras que un turno con varias condiciones puede recibir más procesamiento. Pruebe el ritmo real con sus instrucciones. Un esfuerzo mayor puede aumentar la espera antes de escuchar una respuesta útil.
Admite funciones, voces predefinidas y respuestas de texto o audio en streaming. Su ventana es de 128,000 tokens y la salida puede alcanzar 32,000 dentro de ese total. Se eligen un presupuesto de historial y un límite por respuesta. Mantener abierta una conexión no solicita automáticamente más voz.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | No | GPT-Realtime-2.1 Mini — Indique el texto inicial de una tarea individual. El audio en vivo se envía mediante eventos WebSocket. mínimo 1 caracteres · máximo 4096 caracteres |
voice_id | No | GPT-Realtime-2.1 Mini — Elija la voz antes de generar audio; cambiarla después de la primera salida requiere otra conversación. |
reasoning_effort | No | GPT-Realtime-2.1 Mini — Se admiten minimal, low, medium, high y xhigh. El razonamiento también consume tokens de salida. |
output_format | No | GPT-Realtime-2.1 Mini — Para escuchar Mini en vivo use PCM o G.711; el ensayo de una respuesta conserva esa codificación dentro de un WAV. |
speed | No | GPT-Realtime-2.1 Mini — La velocidad va de 0.25 a 1.5. No cambia el presupuesto de razonamiento. |
max_tokens | No | GPT-Realtime-2.1 Mini — Limita juntos razonamiento, texto y audio por respuesta: 512 por defecto, entre 16 y 32,000 tokens. |
max_context_tokens | No | GPT-Realtime-2.1 Mini — El historial, los 4,096 tokens reservados para instrucciones y la salida deben caber en 128,000 tokens. |
audio_input_format | No | GPT-Realtime-2.1 Mini — Use PCM mono de 16 bits a 24 kHz o G.711 a 8 kHz; no hay remuestreo automático. |
audio_noise_reduction | No | GPT-Realtime-2.1 Mini — |
realtime_session | No | GPT-Realtime-2.1 Mini — Configuración avanzada de funciones y detección del habla; se rechazan valores en conflicto con los campos habituales. |
Precios
Texto · Entrada $0.12 / Texto · Salida $0.48 / Audio · Entrada $2 / Audio · Salida $4 / Imagen · Entrada $0.16 por 1 millón de tokens
Casos de uso
En una lista de verificación hablada, deje que la persona responda un elemento a la vez. Guarde el resultado confirmado en la aplicación antes de hacer la siguiente pregunta para que una interrupción no salte un punto pendiente.
Para una ayuda de voz compacta, proporcione los datos del producto y las funciones necesarias. Responda primero la pregunta inmediata y pregunte después si hace falta más detalle, en lugar de leer todo un artículo de ayuda.
Guía de prompts y consejos prácticos
Defina el idioma y una forma de respuesta corta, como una pregunta por turno. Identifique la función que consulta un dato y exija su resultado antes de anunciar que algo terminó. Evite ejemplos que induzcan a narrar pasos internos. Escuche la voz además de revisar el texto asociado.
Comience con minimal o low y una salida que alcance para terminar la respuesta prevista. Ajuste la codificación del micrófono y pruebe pausas típicas de su audiencia. La aplicación debe detener o vaciar el reproductor ante una interrupción. La tarea individual devuelve WAV; los bloques PCM o G.711 en vivo requieren reproducción del cliente. El reconocimiento independiente usa otra conexión de transcripción.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openai/gpt-realtime-2.1-mini/realtime",
"input": {
"prompt": "Calm ambient pads with a slow rising motif",
"audio_input_format": "pcm",
"audio_noise_reduction": "near_field"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.

















