はじめに
GPT-Realtime-2.1 Mini は、短く応答性のある会話に向けた蒸留型の音声推論モデルです。音声を聞き、履歴を保ち、直接話して返します。原生の会話には文章や画像も渡せます。本エンドポイントはサーバー WebSocket を使い、短い文章に一度だけ答える音声タスクも提供します。
主な機能とハイライト
Mini は、長い独話よりも、頻繁に行う短い声のやり取りを想定しています。簡単な確認には小さな推論予算を使い、複数条件を確かめる発話では強度を上げられます。指示に合った会話のテンポを実際に確認してください。推論を増やすと、聞ける音声が出るまで待つ場合があります。
関数呼び出し、プリセット音声、テキストまたは音声の逐次出力を利用できます。コンテキストは 128,000 トークンで、その中で最大 32,000 トークンを出力します。接続ごとに履歴と各応答の上限を決めます。接続を開いたままにしても、次の発話の生成を勝手に要求することはありません。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | いいえ | GPT-Realtime-2.1 Mini — 単輪タスクの最初の文章を指定します。ライブ音声は WebSocket のイベントで送ります。 1 文字以上 · 4096 文字以内 |
voice_id | いいえ | GPT-Realtime-2.1 Mini — チェック項目を読み始める前に声を決め、発話後に変更する場合は会話を作り直します。 |
reasoning_effort | いいえ | GPT-Realtime-2.1 Mini — minimal、low、medium、high、xhigh を選べます。推論も出力トークンを消費します。 |
output_format | いいえ | GPT-Realtime-2.1 Mini — ライブ再生は PCM または G.711、確認用の単輪応答は同じ符号化を包んだ WAV になります。 |
speed | いいえ | GPT-Realtime-2.1 Mini — 話速は 0.25~1.5 倍です。推論予算は変わりません。 |
max_tokens | いいえ | GPT-Realtime-2.1 Mini — 短い回答を最後まで話せる上限を選びます。推論を含め 16~32,000、標準は 512 トークンです。 |
max_context_tokens | いいえ | GPT-Realtime-2.1 Mini — 短い対話で残す履歴を指定し、指示枠 4,096 と出力枠を加えて 128,000 トークン内に収めます。 |
audio_input_format | いいえ | GPT-Realtime-2.1 Mini — 24 kHz・16-bit・モノラル PCM、または 8 kHz の G.711 に合わせます。自動変換はしません。 |
audio_noise_reduction | いいえ | GPT-Realtime-2.1 Mini — 近いマイクは |
realtime_session | いいえ | GPT-Realtime-2.1 Mini — チェックリストに必要な関数や音声検出を設定し、音色などを通常欄と二重指定するときは同じ値にします。 |
料金
テキスト · 入力 $0.12 / テキスト · 出力 $0.48 / 音声 · 入力 $2 / 音声 · 出力 $4 / 画像 · 入力 $0.16 100 万トークンあたり
ユースケース
音声チェックリストでは、利用者が一つの項目に答えた後、確認済みの結果をアプリに保存してから次を尋ねます。途中で話を遮られても、未確認の項目を飛ばさずに済みます。
小さな音声ヘルプでは、製品の事実と必要な関数だけを渡します。まず目の前の質問に答え、追加説明が必要かを尋ねる構成にすると、ヘルプ記事全体を読み続けずに済みます。
プロンプトガイドと実践のヒント
応答言語と「一度に一つ質問する」などの短い発話方針を示します。事実を取得する関数を明示し、その結果を受けるまで完了を告げないようにします。内部手順を逐一読み上げるような会話例は避け、文字列だけでなく実際の音声も確認してください。
minimal または low と、必要な回答を終えられる出力上限から始めます。マイクの形式を正しく選び、利用者らしい間で発話検出を試します。割り込まれたときはアプリが再生を停止または破棄します。単輪タスクは WAV を返しますが、ライブの PCM や G.711 はクライアントで再生します。独立した文字起こしには別の転写接続を使います。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。

















