Введение
GPT-Realtime-2.1 принимает устный запрос и отвечает в продолжающемся голосовом разговоре. Понимание речи объединено с настраиваемым рассуждением: отдельно связывать распознавание, языковую модель и синтез речи не требуется. Этот эндпоинт предоставляет серверное подключение WebSocket. Для проверки одного ответа также доступна отдельная задача с коротким текстовым запросом.
Ключевые возможности и особенности
Версия 2.1 улучшает распознавание букв и цифр, обработку пауз и фонового шума, а также поведение при перебивании. Эти возможности важны при подтверждении кода или прослушивании незаконченной фразы. Существенные имена и числа всё равно нужно подтверждать на уровне приложения. Сопровождающий текст не доказывает правильность распознавания каждой цифры.
Настройка усилия рассуждения позволяет выделить больше обработки сложной реплике. Функции связывают разговор с действиями приложения, а потоковое аудио можно воспроизводить до завершения всего ответа. Контекст составляет 128 000 токенов, максимальный вывод — 32 000 токенов. Для подключения выбираются подходящие бюджеты истории и каждой ответной реплики.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Нет | GPT-Realtime-2.1 — Укажите начальный текст одиночной задачи. Живое аудио передаётся событиями WebSocket. Не менее 1 символов · Не более 4096 символов |
voice_id | Нет | GPT-Realtime-2.1 — Выберите голос до генерации; после первой озвученной реплики смена требует нового разговора. |
reasoning_effort | Нет | GPT-Realtime-2.1 — Доступны minimal, low, medium, high и xhigh. Рассуждение также расходует выходные токены. |
output_format | Нет | GPT-Realtime-2.1 — Выберите PCM или G.711 µ-law/A-law. Одиночная задача возвращает WAV с тем же кодированием. |
speed | Нет | GPT-Realtime-2.1 — Темп задаётся от 0,25 до 1,5. Бюджет рассуждения при этом не меняется. |
max_tokens | Нет | GPT-Realtime-2.1 — Общий предел рассуждения, текста и аудио на ответ: по умолчанию 512, допустимо от 16 до 32 000 токенов. |
max_context_tokens | Нет | GPT-Realtime-2.1 — История, дополнительные 4096 токенов инструкций и вывод должны вместе помещаться в 128 000 токенов. |
audio_input_format | Нет | GPT-Realtime-2.1 — Используйте моно PCM, 16 бит, 24 кГц либо G.711, 8 кГц; автоматического пересчёта частоты нет. |
audio_noise_reduction | Нет | GPT-Realtime-2.1 — |
realtime_session | Нет | GPT-Realtime-2.1 — Дополнительные настройки функций и определения речи; конфликт с обычными полями отклоняется. |
Стоимость
Текст · Ввод $0.80 / Текст · Вывод $4.80 / Аудио · Ввод $6.40 / Аудио · Вывод $12.80 / Изображение · Ввод $1 за 1 млн токенов
Сценарии использования
В голосовом помощнике для записи на встречу функция сначала проверяет свободное время. Перед отдельным действием приложения, подтверждающим бронирование, помощник зачитывает выбранную дату и участников.
При диагностике устройства сохраняйте его текущее состояние в разговоре и задавайте по одному вопросу. Успех операции устанавливайте по результату инструмента, после чего модель может вслух объяснить следующий шаг.
Руководство по промптам и практические советы
Кратко задайте роль, язык ответа и правила уточнения неоднозначных имён и чисел. Опишите условия вызова функций и результат, позволяющий сообщить об успехе. Для короткого подтверждения начните с minimal, а более высокие уровни сравнивайте на характерных вопросах с несколькими проверками.
До начала ответа выберите голос, кодирование и темп речи. PCM использует один канал и 24 кГц, G.711 — 8 кГц. Автоматическое определение речи настройте на реальном шуме микрофона и коротких заминках. Воспроизведение и прерывания контролирует клиент. Независимая транскрипция входа работает через отдельное оплачиваемое подключение. Оставляйте полезную историю и ограничивайте вывод объёмом подходящего устного ответа.
Быстрый старт API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openai/gpt-realtime-2.1/realtime",
"input": {
"prompt": "Calm ambient pads with a slow rising motif",
"audio_input_format": "pcm",
"audio_noise_reduction": "near_field"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.

















