Realtime

gpt-realtime-2.1

realtime-websocket · /v1/realtime?model={model}

型号与端点

模型 ID：gpt-realtime-2.1，请求中使用完整名称。

协议：realtime-websocket。端点：GET /v1/realtime?model=gpt-realtime-2.1。

输入：text、audio、image。输出：text、audio、function_call。

认证、完整字段和响应格式见 realtime-websocket。调用前请确认 Key 已开通此型号。

请求示例

json

{
  "type": "conversation.item.create",
  "item": {
    "type": "message",
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "仅回复 READY"
      }
    ]
  }
}

此事件在连接建立后发送，还需配置会话并发送 response.create。

参数与输入

通过 WebSocket 会话调用，不使用 Chat Completions。等待 session.created / session.updated 后提交输入，并检查 response.done 的状态和内容。音频采用会话配置中的采样格式。

附件格式：文本；PNG/JPEG 图片；PCM16 LE 单声道 24 kHz。编码：WebSocket input_text / input_image；PCM Base64 分块。

官方限制：会话、音频缓冲及响应预算独立限制。

上传说明：输入受会话和单帧限制；音频按协商格式分块发送，不直接传入超大文件。其他限制：不直接接收 WAV/MP3 容器、PDF 或视频文件。完整规格见模型输入规格表。

响应处理

检查 response.done 中的状态及输出。音频请求还需确认收到可保存的音频数据；连接建立本身不包含生成结果。文件大小及格式要求见文件与媒体输入。