소개
GPT-Realtime-2.1은 이어지는 음성 대화에서 발화를 받아 응답을 생성합니다. 음성 이해와 강도를 조정할 수 있는 추론을 결합하므로 전사, 언어 모델, 음성 합성 단계를 따로 연결하지 않고도 검토한 답변을 요청할 수 있습니다. 이 엔드포인트는 서버 WebSocket 연결을 제공합니다. 짧은 글로 음성 응답 한 번을 생성하는 작업도 별도로 확인할 수 있습니다.
핵심 기능 및 하이라이트
2.1은 영문자와 숫자 인식, 침묵과 주변 소음 처리, 상대방이 말을 끊을 때의 동작을 개선 대상으로 삼습니다. 참조 코드를 확인하거나 아직 끝나지 않은 문장을 들을 때 관련되는 능력입니다. 중요한 이름과 숫자는 앱에서 다시 확인해야 합니다. 음성에 딸린 텍스트만으로 모든 숫자를 정확히 이해했다고 단정할 수는 없습니다.
어려운 대화 차례에는 추론 강도를 높이고, 앱의 동작이 필요하면 함수를 요청할 수 있습니다. 음성이 순차적으로 도착하므로 전체 답변이 끝나기 전에 재생할 수 있습니다. 컨텍스트는 128,000토큰이며 출력은 최대 32,000토큰입니다. 연결마다 실제 용도에 맞는 대화 기록 예산과 응답별 출력 상한을 선택합니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
prompt | 아니요 | GPT-Realtime-2.1 — 단일 작업을 시작할 글을 지정합니다. 실시간 음성은 WebSocket 이벤트로 보냅니다. 1자 이상 · 4096자 이하 |
voice_id | 아니요 | GPT-Realtime-2.1 — 음성 생성 전에 프리셋을 고릅니다. 발화 후 목소리를 바꾸려면 새 대화가 필요합니다. |
reasoning_effort | 아니요 | GPT-Realtime-2.1 — minimal, low, medium, high, xhigh를 지원하며 추론도 출력 토큰을 사용합니다. |
output_format | 아니요 | GPT-Realtime-2.1 — PCM 또는 G.711 µ-law/A-law를 선택합니다. 단일 작업은 해당 인코딩의 WAV를 반환합니다. |
speed | 아니요 | GPT-Realtime-2.1 — 말하기 속도는 0.25~1.5배입니다. 추론 예산은 바뀌지 않습니다. |
max_tokens | 아니요 | GPT-Realtime-2.1 — 응답별 추론·문자·음성 출력의 합계 상한입니다. 기본 512토큰, 범위 16~32,000토큰입니다. |
max_context_tokens | 아니요 | GPT-Realtime-2.1 — 보관할 대화 기록의 상한입니다. 별도 지시문 4,096토큰과 출력을 합쳐 128,000토큰 안에 맞춥니다. |
audio_input_format | 아니요 | GPT-Realtime-2.1 — 24kHz·16비트·모노 PCM 또는 8kHz G.711에 맞춥니다. 자동 리샘플링하지 않습니다. |
audio_noise_reduction | 아니요 | GPT-Realtime-2.1 — 가까운 마이크는 |
realtime_session | 아니요 | GPT-Realtime-2.1 — 함수 도구와 발화 감지의 고급 설정입니다. 일반 입력값과 충돌하는 값은 거절합니다. |
요금
텍스트 · 입력 $0.80 / 텍스트 · 출력 $4.80 / 오디오 · 입력 $6.40 / 오디오 · 출력 $12.80 / 이미지 · 입력 $1 100만 토큰당
활용 사례
일정 조율 음성 도우미에서는 빈 시간을 조회하는 함수의 결과를 받은 뒤 시간을 제안합니다. 별도 예약 동작을 확정하기 전에 선택한 날짜와 참석자를 읽어 확인하도록 구성할 수 있습니다.
기기 문제를 안내할 때는 현재 상태를 대화에 유지하고 진단 질문을 한 번에 하나씩 합니다. 작업이 성공했는지는 도구 결과로 확인한 뒤 다음 단계를 음성으로 설명합니다.
프롬프트 가이드 및 실전 팁
역할, 사용할 언어, 모호한 이름이나 숫자를 확인할 조건을 간결하게 지정합니다. 각 함수를 언제 요청하고 어떤 결과가 있어야 성공을 말할 수 있는지 설명합니다. 짧은 확인은 minimal부터 시작하고 여러 조건을 확인하는 대표 질문으로 더 높은 추론 강도를 비교합니다. 모든 발화에 많은 추론을 배정할 필요는 없습니다.
응답을 시작하기 전에 목소리, 재생 인코딩, 말하기 속도를 선택합니다. PCM은 24kHz 모노이며 G.711은 8kHz입니다. 자동 발화 감지는 실제 마이크 소음과 짧은 망설임으로 조정합니다. 재생과 중단은 클라이언트가 처리합니다. 독립적인 입력 전사는 별도 과금 연결을 사용합니다. 유용한 대화 기록은 남기되 응답 상한은 음성 답변 길이에 맞춥니다.
API 빠른 시작
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openai/gpt-realtime-2.1/realtime",
"input": {
"prompt": "Calm ambient pads with a slow rising motif",
"audio_input_format": "pcm",
"audio_noise_reduction": "near_field"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.

















