概要
GPT-Realtime-2は、リアルタイムの音声対話とツール利用を目的としたOpenAIのモデルです。OpenAIは、GPT-5クラスの推論能力を備えた同社初の音声モデルとして発表しました。Realtime APIで利用できます。(openai.com)
能力と用途
- 音声から音声への対話に対応し、会話中の訂正や割り込みに対処しながら推論やツール呼び出しを行えます。並列ツール呼び出しにも対応します。
- テキストと音声は入力・出力に、画像は入力のみに対応します。推論の強さはminimal、low、medium、high、xhighから選択でき、既定値はlowです。(openai.com)
- カスタマーサポート、旅行の案内や予約支援、社内業務を支援する音声エージェントなどに利用できます。(openai.com)
制限
- コンテキストウィンドウは128,000トークン、最大出力は32,000トークンです。知識のカットオフは2024年9月30日です。
- 動画、構造化出力、ファインチューニングには対応していません。推論を強く設定すると、遅延や出力トークンの使用量が増える場合があります。利用上限は利用ティアによって異なります。(developers.openai.com)
料金
OpenAI APIの公式モデルページに掲載された料金です。通貨は米ドル(USD)、単位は各100万トークンです。キャッシュ入力は該当するキャッシュ済み入力に適用されます。確認日:2026年11月16日。(developers.openai.com)
| 種別 | 入力 | キャッシュ入力 | 出力 |
|---|---|---|---|
| テキスト | $4.00 | $0.40 | $24.00 |
| 音声 | $32.00 | $0.40 | $64.00 |
| 画像 | $5.00 | $0.50 | 非対応 |
料金出典:OpenAI公式モデルページ。
発表日と公式情報
- 発表日:2026年5月7日。
- OpenAI公式発表。(openai.com)