GPT-Realtime-2.1
概要
OpenAIのRealtime API向け音声対話・推論モデル。GPT-Realtime-2を更新し、英数字の認識、無音・ノイズへの対応、会話の割り込み処理を改善している。公開日は2026年7月6日。(developers.openai.com)
能力と用途
- 音声から音声への対話、指示への追従、関数呼び出しに対応し、複雑な音声エージェントのワークフローに利用できる。
- 推論の程度を調整できる。高く設定すると、遅延や出力トークンの使用量が増える場合がある。
- 入力はテキスト・音声・画像、出力はテキスト・音声に対応する。
- 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。知識のカットオフは2024年9月30日。(developers.openai.com)
制限
動画には対応しない。画像は入力のみで、画像出力には対応しない。対応するエンドポイントはv1/realtimeであり、Responses、Chat Completions、Batch、専用のリアルタイム翻訳・文字起こしエンドポイント、ファインチューニングには対応しない。(developers.openai.com)
料金
OpenAI APIの公表料金。通貨は米ドル(USD)、単位は各100万トークン。キャッシュ入力の料金は、キャッシュが適用される入力に対する料金。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 |