Ir al contenido principal

openai/gpt-realtime-2.1-mini/realtime

GPT-Realtime-2.1 Mini de OpenAI es un modelo de razonamiento destilado para agentes de voz en vivo: escucha y responde con voz en streaming, con esfuerzo de razonamiento ajustable, llamadas a funciones y una ventana de 128K tokens.

Texto · Entrada $0.12Texto · Salida $0.48Audio · Entrada $2Audio · Salida $4Imagen · Entrada $0.16por 1 millón de tokens80% por debajo del precio oficialTexto · Entrada en caché $0.012Audio · Entrada en caché $0.06Imagen · Entrada en caché $0.016Precio oficial de OpenAITexto · Entrada $0.60Texto · Salida $2.40Audio · Entrada $10Audio · Salida $20Imagen · Entrada $0.80

Playground

Entrada

Conversación en tiempo real
34/4096
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
GPT-Realtime-2.1 Mini — 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 Mini — 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 Mini ofrece diálogos de voz breves con contexto, razonamiento ajustable y funciones de la aplicación.

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

Un modelo compacto para intercambios breves

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.

Dónde encaja

  • Lista de verificación por voz

    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.

  • Ayuda hablada concisa

    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.

Creado con GPT-Realtime-2.1 Mini

  • Confirmación hablada
  • Recordatorio de salida del ferry
  • Confirmación de una reserva de restaurante
  • Recordatorio para recoger un pedido

Referencia del modelo

Referencia de la API de GPT-Realtime-2.1 Mini

Cómo llamar a la API de GPT-Realtime-2.1 Mini

  1. Guía de prompts y consejos profesionales

    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.

Preguntas sobre la API de GPT-Realtime-2.1 Mini

Todos los modelos GPT18

Modelos de texto11