Dokumentationerreichbar
OpenAI, Transcribing User Audio with a Separate Realtime Request
developers.openai.com (externe Seite)
Die archivierte Anleitung vom 20.11.2025 behandelt den Nebenkanal einer Realtime-Sprachsitzung. Im Beispiel versteht das Modell einen Autounfall, während die getrennte Erkennung eine Lautfolge mitschreibt. Die Anleitung lässt dasselbe Modell antworten und abschreiben. Sie beschreibt eine mögliche Verringerung der Abweichung. Ihre Beispiele vergleichen gpt-realtime mit gpt-4o-transcribe: drei- bis fünffache Kosten für den letzten Redebeitrag, sechzehn- bis zweiundzwanzigfache mit der ganzen Sitzung. Die Faktoren gelten für diese Beispiele und hängen von Sitzungslänge, Zwischenspeicherung und Preisen ab.
geprüft 10.11.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 05.08.2026:
this relies on a separate ASR model
bestätigt 10.11.2026Using different models for transcription and response generation can lead to discrepancies.
bestätigt 10.11.2026Reduced Mismatch: The same model is used for both transcription and generation, minimizing inconsistencies between what the user says and how the agent responds.
bestätigt 10.11.2026Using only latest user turn: 3-5x
bestätigt 10.11.2026Using full session context: 16-22x
bestätigt 10.11.2026