模型定位
GPT-Realtime-1.5 是 OpenAI 面向实时语音交互的音频模型,主要用于语音智能体和客户支持。官方将其描述为快速、非推理型的语音到语音模型。(developers.openai.com)
能力与用途
- 支持文本、音频和图像输入,以及文本和音频输出;可通过 Realtime API 构建实时语音对话应用。
- 支持函数调用,适用于需要结合外部工具的语音工作流。官方称,相比早期实时预览模型,其指令遵循、工具调用和语音质量有所改进。(developers.openai.com)
限制
- 上下文窗口为 32,000 tokens,最大输出为 4,096 tokens;知识截止日期为 2024 年 9 月 30 日。
- 不支持视频、结构化输出或微调;图片仅支持输入,不支持图片输出。(developers.openai.com)
发布日期
2026 年 2 月 23 日,OpenAI 公告将 GPT-Realtime-1.5 发布至 Realtime API。(developers.openai.com)
官方 API 价格
以下为 OpenAI 官方模型页面所列的美元(USD)价格,单位均为每百万 tokens;查询日期:2026 年 11 月 16 日。缓存输入价格适用于符合缓存条件的输入。(developers.openai.com)
| 模态 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|
| 文本 | 4 美元 | 0.40 美元 | 16 美元 |
| 音频 | 32 美元 | 0.40 美元 | 64 美元 |
| 图像 | 5 美元 | 0.50 美元 | 不支持 |