模型定位
gpt-realtime 是 OpenAI 面向即時語音互動的多模態模型,也是其首個正式發布的 Realtime 模型。它直接處理和產生音訊,旨在幫助開發者建立即時低延遲語音代理,而不必將語音辨識和語音合成模型串接起來。2025 年 8 月 28 日,OpenAI 發布了該模型及 Realtime API 正式版;對應的固定快照為 gpt-realtime-2025-08-28。(openai.com)
能力與用途
- 支援文字和音訊輸入、輸出,以及影像輸入;可透過 WebRTC、WebSocket 或 SIP 連線進行即時互動。(developers.openai.com)
- 支援函式呼叫,可結合 Realtime API 的遠端 MCP 伺服器支援和 SIP 電話接入等功能建立應用程式。官方列舉的用途包括客戶支援、個人助理和教育。(openai.com)
- 官方介紹其在複雜指令遵循、工具呼叫、自然語音表達和語言切換方面有所改進。(openai.com)
限制與狀態
- 上下文視窗為 32,000 token,最大輸出為 4,096 token;知識截止日期為 2023 年 10 月 1 日。(developers.openai.com)
- 不支援影片、影像輸出、結構化輸出或微調。(developers.openai.com)
- 截至 2026 年 11 月 18 日,官方已將
gpt-realtime及該固定快照標記為棄用,並公布計畫於 2027 年 1 月 20 日關閉;官方推薦替代模型為gpt-realtime-2.1。(developers.openai.com)
API 價格
OpenAI 模型文件所列價格,幣別為美元(USD),單位均為每 100 萬 token;快取輸入價僅適用於快取輸入。查詢日期:2026 年 11 月 18 日。(developers.openai.com)
| 模態 | 輸入 | 快取輸入 | 輸出 |
|---|---|---|---|
| 文字 | $4.00 | $0.40 | $16.00 |
| 音訊 | $32.00 | $0.40 | $64.00 |
| 影像 | $5.00 | $0.50 | 不支援 |