소개
GPT-Realtime-2.1 Mini는 짧고 반응성 있는 대화를 위한 증류형 음성 추론 모델입니다. 오디오를 듣고 대화 맥락을 유지하며 음성을 직접 생성합니다. 원래 대화 프로토콜에서는 글과 이미지도 받을 수 있습니다. 제공되는 연결은 서버 WebSocket을 사용하며 짧은 글에 한 번 응답하는 별도 음성 작업도 지원합니다.
핵심 기능 및 하이라이트
Mini는 긴 독백보다 자주 발생하는 짧은 음성 교환을 지향합니다. 단순 확인에는 작은 추론 예산을 쓰고 여러 조건을 확인할 때 강도를 높일 수 있습니다. 선택한 지시문으로 실제 대화의 흐름을 시험해야 합니다. 추론 강도를 높이면 유용한 음성이 나오기까지 더 기다릴 수 있습니다.
함수 호출, 프리셋 음성, 텍스트 또는 오디오 스트리밍을 제공합니다. 모델 컨텍스트는 128,000토큰이며 그 안에서 최대 32,000토큰을 출력합니다. 연결별로 대화 기록과 응답별 출력 상한을 정합니다. 연결을 열어 둔 것만으로 다음 발화를 생성하도록 요청하지는 않습니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
prompt | 아니요 | GPT-Realtime-2.1 Mini — 단일 작업을 시작할 글을 지정합니다. 실시간 음성은 WebSocket 이벤트로 보냅니다. 1자 이상 · 4096자 이하 |
voice_id | 아니요 | GPT-Realtime-2.1 Mini — 체크 항목을 읽기 전에 목소리를 고르고, 이미 발화한 뒤 변경하려면 대화를 새로 만듭니다. |
reasoning_effort | 아니요 | GPT-Realtime-2.1 Mini — minimal, low, medium, high, xhigh를 지원하며 추론도 출력 토큰을 사용합니다. |
output_format | 아니요 | GPT-Realtime-2.1 Mini — 실시간 재생은 PCM이나 G.711을 사용하며 단일 확인 응답은 같은 인코딩을 담은 WAV로 받습니다. |
speed | 아니요 | GPT-Realtime-2.1 Mini — 말하기 속도는 0.25~1.5배입니다. 추론 예산은 바뀌지 않습니다. |
max_tokens | 아니요 | GPT-Realtime-2.1 Mini — 짧은 답변을 끝낼 수 있게 추론 포함 16~32,000토큰에서 정하며 기본값은 512토큰입니다. |
max_context_tokens | 아니요 | GPT-Realtime-2.1 Mini — 짧은 대화에 남길 기록을 정하고 지시문 4,096토큰과 출력까지 합쳐 128,000토큰 안에 맞춥니다. |
audio_input_format | 아니요 | GPT-Realtime-2.1 Mini — 24kHz·16비트·모노 PCM 또는 8kHz G.711에 맞춥니다. 자동 리샘플링하지 않습니다. |
audio_noise_reduction | 아니요 | GPT-Realtime-2.1 Mini — 가까운 마이크는 |
realtime_session | 아니요 | GPT-Realtime-2.1 Mini — 체크리스트에 필요한 함수와 발화 감지를 설정하며 목소리 등을 일반 입력란에도 지정했다면 같은 값을 사용합니다. |
요금
텍스트 · 입력 $0.12 / 텍스트 · 출력 $0.48 / 오디오 · 입력 $2 / 오디오 · 출력 $4 / 이미지 · 입력 $0.16 100만 토큰당
활용 사례
음성 체크리스트에서는 사용자가 항목 하나에 답하면 확인된 결과를 앱에 저장한 뒤 다음 질문을 합니다. 말을 끊었을 때 확인하지 않은 항목이 넘어가는 상황을 피할 수 있습니다.
간단한 음성 도움말에는 필요한 제품 정보와 함수만 제공합니다. 당장의 질문에 먼저 답하고 추가 설명이 필요한지 물으면 도움말 문서 전체를 계속 읽는 응답을 줄일 수 있습니다.
프롬프트 가이드 및 실전 팁
선호 언어와 ‘차례마다 질문 하나’처럼 짧은 응답 방식을 지정합니다. 사실을 조회할 함수를 명시하고 결과를 받기 전에는 완료를 말하지 않게 합니다. 내부 처리 과정을 계속 읽도록 유도하는 대화 예시는 피합니다. 함께 나온 텍스트뿐 아니라 실제 음성도 검토합니다.
minimal 또는 low와 예상 답변을 끝낼 수 있는 출력 상한부터 시작합니다. 마이크 샘플 인코딩을 정확히 맞추고 사용자에게 흔한 멈춤으로 발화 감지를 시험합니다. 중단이 발생하면 앱이 재생을 멈추거나 버퍼를 비웁니다. 단일 응답 작업은 WAV를 반환하지만 실시간 PCM과 G.711은 클라이언트 재생이 필요합니다. 독립적인 음성 인식은 별도 전사 연결을 사용합니다.
API 빠른 시작
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openai/gpt-realtime-2.1-mini/realtime",
"input": {
"prompt": "Calm ambient pads with a slow rising motif",
"audio_input_format": "pcm",
"audio_noise_reduction": "near_field"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.

















