Введение
GPT-Realtime-2.1 Mini — дистиллированная голосовая модель с рассуждением для коротких и отзывчивых диалогов. Она слушает аудио, сохраняет контекст и напрямую генерирует речь. Нативный протокол также принимает текст и изображения. Предлагаемое подключение использует серверный WebSocket; отдельная задача создаёт один голосовой ответ на короткий письменный запрос.
Ключевые возможности и особенности
Mini рассчитана на частые менее затратные обмены, а не на длинные монологи. Простому подтверждению достаточно небольшого рассуждения, а проверке нескольких условий можно выделить больше обработки. Проверяйте реальный темп разговора с выбранными инструкциями. Повышенное усилие может увеличить ожидание до полезной речи.
Поддерживаются функции, готовые голоса и потоковые текстовые либо звуковые ответы. Окно составляет 128 000 токенов, вывод внутри него — до 32 000 токенов. Для подключения выбираются история и лимит каждой реплики. Открытое соединение само по себе не заказывает новую речь.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Нет | GPT-Realtime-2.1 Mini — 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 Mini — Выберите голос до генерации; после первой озвученной реплики смена требует нового разговора. |
reasoning_effort | Нет | GPT-Realtime-2.1 Mini — Доступны minimal, low, medium, high и xhigh. Рассуждение также расходует выходные токены. |
output_format | Нет | GPT-Realtime-2.1 Mini — Для живого воспроизведения Mini выберите PCM или G.711; проба одного ответа сохраняет кодирование в WAV. |
speed | Нет | GPT-Realtime-2.1 Mini — Темп задаётся от 0,25 до 1,5. Бюджет рассуждения при этом не меняется. |
max_tokens | Нет | GPT-Realtime-2.1 Mini — 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 Mini — История, дополнительные 4096 токенов инструкций и вывод должны вместе помещаться в 128 000 токенов. |
audio_input_format | Нет | GPT-Realtime-2.1 Mini — Используйте моно PCM, 16 бит, 24 кГц либо G.711, 8 кГц; автоматического пересчёта частоты нет. |
audio_noise_reduction | Нет | GPT-Realtime-2.1 Mini — |
realtime_session | Нет | GPT-Realtime-2.1 Mini — Дополнительные настройки функций и определения речи; конфликт с обычными полями отклоняется. |
Стоимость
Текст · Ввод $0.12 / Текст · Вывод $0.48 / Аудио · Ввод $2 / Аудио · Вывод $4 / Изображение · Ввод $0.16 за 1 млн токенов
Сценарии использования
В голосовом контрольном списке пользователь отвечает на один пункт. Сохраните подтверждённый результат в приложении до следующего вопроса, чтобы прерывание не пропустило ещё не проверенную позицию.
Для небольшого голосового помощника передавайте необходимые факты о продукте и функции. Пусть Mini сначала отвечает на текущий вопрос, а затем предлагает подробности, вместо чтения целой справочной статьи.
Руководство по промптам и практические советы
Укажите язык и краткий стиль, например один вопрос за ход. Назовите функцию получения факта и требуйте её результат до сообщения о завершении. Избегайте примеров, побуждающих озвучивать внутренние шаги. Проверяйте само звучание, а не только сопровождающий текст.
Начните с minimal или low и лимита, достаточного для ожидаемого ответа. Согласуйте кодирование микрофона и проверьте обычные для аудитории паузы. При перебивании приложение останавливает проигрыватель или очищает его буфер. Одиночная задача возвращает WAV; живые блоки PCM или G.711 воспроизводит клиент. Самостоятельное распознавание речи использует отдельное подключение транскрипции.
Быстрый старт API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openai/gpt-realtime-2.1-mini/realtime",
"input": {
"prompt": "Calm ambient pads with a slow rising motif",
"audio_input_format": "pcm",
"audio_noise_reduction": "near_field"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.

















