Cody
pl
ENESFRDEJAKOPT-BRPLAR
Agenci
Logo Cody AssistCody AssistWiedza i wsparcieLogo Cody ConvertCody ConvertProaktywny agent strony internetowejLogo Cody ClearCody ClearStopień zgodnościLogo Cody LiveCody LiveAvatary i doświadczenia
Wszyscy agenciCennik
Zasoby
BlogaPrzypadki użyciaBiblioteka promptówBiblioteka umiejętnościBiblioteka modeli
Firma
O nasKontakt
Wszystkie modele
Głos i czas rzeczywistyDostępny
OpenAI

GPT-Realtime-2.1

Model wnioskowania mowy na mowę OpenAI w czasie rzeczywistym dla agentów głosowych korzystających z narzędzi, którzy również potrzebują kontekstu tekstowego i obrazu.

Otwórz dokumentację dostawcyZobacz najważniejsze fakty

Przegląd w prostym języku angielskim

Czym właściwie jest GPT-Realtime-2.1

GPT-Realtime-2.1 jest przeznaczony do rozmów na żywo, podczas których model musi słuchać, mówić, postępować zgodnie z instrukcjami i wywoływać narzędzia w jednej sesji w czasie rzeczywistym. OpenAI wyróżnia się ulepszoną obsługą zakłóceń, ciszy, szumów i obsługi alfanumerycznej w porównaniu z poprzednią wersją.

Opłaty za dźwięk, tekst i obrazy są rozliczane w różnych klasach tokenów. Realistyczny budżet wymaga zatem wykorzystania wykorzystania pełnych rozmów, a nie prostej konwersji z samych minut audio.

Dobre dopasowanie do

  • Agenci głosowi klientów lub pracowników korzystający z narzędzi
  • Multimodalni asystenci w czasie rzeczywistym
  • Stosy agentów natywnych OpenAI

Porównanie kategorii

Fakty, które mają znaczenie w przypadku modeli głos

Są to specyfikacje opublikowane przez dostawcę, a nie wyniki testów porównawczych Cody. Skorzystaj z połączonych źródeł, aby poznać aktualne limity i wyjątki specyficzne dla punktu końcowego.

Podstawa ceny
Audio 32 $ wejścia · 64 $ wyjścia / 1 milion tokenówCena oparta na tokenach, znakach lub minutach dla podanej trasy dostępu.
Tryb interakcji
Zamiana mowy na mowę w kontekście tekstu/obrazuZachowanie polegające na zamianie mowy na mowę, audio na dźwięk lub strumieniowej zamianie tekstu na mowę.
Opublikowane opóźnienie
NieopublikowanePomiar opublikowany przez dostawcę z podanymi wyłączeniami; nie jest to test Cody.
Języki
Wielojęzyczny; dokładna lista nie została tutaj opublikowanaZakres języka udokumentowany przez dostawcę lub wyraźny, niepublikowany znacznik.
Narzędzia i kontrola
Wywoływanie funkcji i konfigurowalne rozumowanieNatywne wywoływanie funkcji, wnioskowanie lub funkcje kontroli mowy.
Kontekst lub limit wejściowy
Wejście 128 tys. · Maks. moc wyjściowa 32 tysUdokumentowany limit tokenów lub znaków, jeśli ma to znaczenie.

Dostęp do API i dostawcy

Gdzie zdobyć GPT-Realtime-2.1

OpenAIDokumentacja modelu GPT-Realtime-2.1Bezpośredni dostęp do mowy w czasie rzeczywistym.

Dostępność

Regiony i etap dostępu

Dostępne za pośrednictwem interfejsu API czasu rzeczywistego OpenAI w obsługiwanych krajach i terytoriach.

Bezpośredni dostęp następuje po liście obsługiwanych krajów OpenAI.

Sprawdź dostępność na żywo

Dane i szkolenia

Trasa ma znaczenie.

OpenAI mówi, że zawartość interfejsu API nie jest domyślnie używana do szkolenia. Domyślne dzienniki monitorowania nadużyć mogą być przechowywane do 30 dni, a kwalifikujące się organizacje mają dostęp do dodatkowych kontroli.

Jest to zwięzła lektura cytowanych materiałów dostawcy, a nie porada prawna. Brama innej firmy może mieć inne warunki przechowywania, routingu, szkolenia i miejsca zamieszkania niż bezpośrednie API twórcy modelu.

Przeczytaj politykę dostawcy

Często zadawane pytania

Często zadawane pytania dotyczące GPT-Realtime-2.1

Co to jest GPT-Realtime-2.1?

Model wnioskowania mowy na mowę OpenAI w czasie rzeczywistym dla agentów głosowych korzystających z narzędzi, którzy również potrzebują kontekstu tekstowego i obrazu. GPT-Realtime-2.1 jest przeznaczony do rozmów na żywo, podczas których model musi słuchać, mówić, postępować zgodnie z instrukcjami i wywoływać narzędzia w jednej sesji w czasie rzeczywistym. OpenAI wyróżnia się ulepszoną obsługą zakłóceń, ciszy, szumów i obsługi alfanumerycznej w porównaniu z poprzednią wersją.

Kiedy wypuszczono GPT-Realtime-2.1?

Dostawca nie publikuje jasnej daty wydania GPT-Realtime-2.1 w materiale źródłowym recenzowanym przez Cody.

Gdzie mogę uzyskać dostęp do GPT-Realtime-2.1?

Dostępne za pośrednictwem interfejsu API czasu rzeczywistego OpenAI w obsługiwanych krajach i terytoriach. Drogi dostępu wymienione w tym przewodniku to OpenAI.

Ile kosztuje GPT-Realtime-2.1?

Wejście audio za 32 USD · Wyjście audio za 64 USD / 1 milion tokenów. Tekst to 4 USD na wejściu i 24 USD na milion tokenów; wkład obrazu wynosi 5 USD za milion tokenów. Szybkość wprowadzania danych w pamięci podręcznej jest różna.

Gdzie jest dostępny GPT-Realtime-2.1?

Dostępne za pośrednictwem interfejsu API czasu rzeczywistego OpenAI w obsługiwanych krajach i terytoriach. Bezpośredni dostęp następuje po liście obsługiwanych krajów OpenAI.

Czy moje dane API GPT-Realtime-2.1 są wykorzystywane do szkolenia?

OpenAI mówi, że zawartość interfejsu API nie jest domyślnie używana do szkolenia. Domyślne dzienniki monitorowania nadużyć mogą być przechowywane do 30 dni, a kwalifikujące się organizacje mają dostęp do dodatkowych kontroli. Polityka należy do warunków trasy dostawcy i konta, dlatego sprawdź ją ponownie przed użyciem w środowisku produkcyjnym.

Powiązane porównania

Porównania bezpośrednie

Zobacz kategorię →

  1. GPT-Realtime-2.1 vs GPT-Live 1

    Pełnodupleksowy interfejs głosowy OpenAI zapewniający naturalną konwersację, który przekazuje głębsze rozumowanie i działania oddzielnemu agentowi zaplecza.

    Otwórz pełne porównanie

  2. GPT-Realtime-2.1 vs Gemini 3.8 Live

    Model głosowy Google do płynnych rozmów w czasie rzeczywistym z dźwiękiem, tekstem i kontekstem wizualnym.

    Otwórz pełne porównanie

  3. GPT-Realtime-2.1 vs Gemini 3.8 Live Extended Thinking

    Osobny model głosowy Gemini, który przetwarza złożone prośby w tle, podtrzymując rozmowę.

    Otwórz pełne porównanie

  4. GPT-Realtime-2.1 vs Gemini 3.1 Flash Live Preview

    Model Google typu audio-to-audio umożliwiający dialog o niskim opóźnieniu ze świadomością multimodalną, myśleniem, uziemieniem wyszukiwania i wywoływaniem funkcji.

    Otwórz pełne porównanie

  5. GPT-Realtime-2.1 vs Eleven v3 Conversational

    Ekspresyjny model syntezy mowy ElevenLabs w czasie rzeczywistym zapewniający naturalny dialog, dostarczanie emocji, znaczniki audio i ponad 70 języków.

    Otwórz pełne porównanie

  6. GPT-Realtime-2.1 vs Inworld Realtime TTS-2

    Najnowszy, ekspresyjny model syntezy mowy firmy Inworld w czasie rzeczywistym, zaprojektowany z myślą o zapamiętywaniu przebiegu konwersacji i mówieniu w ponad 100 językach.

    Otwórz pełne porównanie

  7. GPT-Realtime-2.1 vs Grok Voice Think Fast 2.0

    Obecny model zamiany mowy na mowę SpaceXAI w czasie rzeczywistym dla agentów konwersacyjnych w czasie krótszym niż sekunda z dostępem do narzędzi.

    Otwórz pełne porównanie