消费级产品与开发者 API

GPT-Live 与 GPT-Realtime 2.1

GPT-Live 是 ChatGPT 内的消费级 Voice 体验；GPT-Realtime-2.1 和 GPT-Realtime-2.1 mini 是用于自建语音 Agent 的正式 API 模型。都支持实时交互，不代表它们是可互换的产品或模型 ID。

最后核验：2026-07-24

最重要的边界

问题	GPT-Live	GPT-Realtime 2.1
在哪里运行？	ChatGPT Voice 内，包括桌面端 Work 与 Codex	你的应用、服务或电话流程内
谁控制界面和账户？	OpenAI / ChatGPT	你通过 OpenAI API 项目控制
模型名称	GPT-Live-1 与 GPT-Live-1 mini	gpt-realtime-2.1 与 gpt-realtime-2.1-mini
访问方式	ChatGPT 套餐、地区、工作区和滚动发布	API 账户、项目限制和正式端点
计费单位	ChatGPT 订阅和 Voice 额度	按 token 计费
传输方式	由 ChatGPT 管理	WebRTC、WebSocket 或 SIP

按每百万 token 计算。两个模型都列出 128,000 token 上下文与 32,000 最大输出。

模型	文本输入 / 缓存 / 输出	音频输入 / 缓存 / 输出	图片输入 / 缓存
gpt-realtime-2.1	$4 / $0.40 / $24	$32 / $0.40 / $64	$5 / $0.50
gpt-realtime-2.1-mini	$0.60 / $0.06 / $2.40	$10 / $0.30 / $20	$0.80 / $0.08

默认适合浏览器和移动客户端，尤其是需要低延迟音频和直接媒体处理时。

适合服务端应用、自定义音频管线，以及由后端掌控会话的环境。

适合呼入电话、呼叫中心和现有电信服务商。呼出拨号需要由服务商控制的拨号器或媒体桥。

直接在 ChatGPT 中使用 GPT-Live，并选择符合任务的 Voice 模式。

从 WebRTC 和 gpt-realtime-2.1 开始，对照延迟、质量与成本目标测试 mini。

使用 SIP 或服务端媒体桥，并加入 webhook 验证、同意、升级和转接控制。

加入通知列表并等待正式 API；不要杜撰模型 ID，也不要把登记表单当成 API 发布。

能把 gpt-live-1 当作 API 模型名发送吗？

截至 2026-07-19，没有正式公开 API 合约支持该模型 ID。请使用官方 Realtime 模型 ID。

GPT-Realtime-2.1 支持图片吗？

支持图片输入。官方模型页列出文字、音频、图片输入和文字、音频输出，并明确不支持视频。

mini 只能用于原型吗？

不是。mini 是更低成本、更快的模型，只要测试证明质量满足任务，也可以用于生产环境。