GamiWays
API Cloud#49 Artificial AnalysisCommercial

OpenAI Realtime (gpt-realtime-2.1) + GPT-Live-1

GPT-Live-1 parle, GPT-5.5 raisonne derrière. API au 10 sept. à 0,05 $/min pour la voix, plus le modèle. Scores The Batch contre AVM seulement.

300 ms
TTFA (meilleur cas)
700 ms
TTFA (typique)
Gratuit
Prix par million de chars
1079
ELO Score

Scores comparatifs

Qualité vocale4/10
Latence6/10
Clonage vocal1/10
Expressivité8/10
Direction de jeu7/10
Souveraineté2/10
Accessibilité prix3/10
Multilingue9/10

Architecture

ArchitectureGPT-5-class multimodal (speech-to-speech, integrated LLM) — GPT-Realtime-2
ParamètresN/A (cloud, GPT-5 scale)
Langues70
Auto-hébergeable No
Streaming Oui
GamiWays
Dialogue live — délégation GPT-5.5

GPT-Live-1 plus GPT-5.5 sert à comparer une architecture : un modèle parle, un autre raisonne. Ce n’est pas une cascade française de production tant que le coût de session et la résidence ne sont pas rejoués. Les scores éditeur comparent Live à Advanced Voice Mode seulement. L’ELO public de GPT-Realtime-2 est 1079, rang 49, le 17 octobre 2026.

Analyse

The Batch (17 juillet 2026) décrit la voix ChatGPT comme deux modèles : GPT-Live-1 ou GPT-Live-1 mini parle en full-duplex, et les questions plus dures partent vers GPT-5.5 pendant que la voix continue. Sur GPT-Live-1, Instant appelle GPT-5.5 Instant ; Medium et High appellent GPT-5.5 Thinking. Le mini n’appelle que GPT-5.5 Instant. Les tests OpenAI contre Advanced Voice Mode rapportent GPQA 84,2 % contre 45,3 %, BrowseComp 75,2 % contre 0,7 %, et une préférence humaine de 75,7 % pour GPT-Live-1 et 69,2 % pour le mini. Ces comparaisons ne portent pas sur les autres voix de ce catalogue. L’API du 10 septembre tarife la couche voix à 0,05 $/min, plus le modèle derrière. gpt-realtime-2.1 reste la ligne speech-to-speech datée et aucune milliseconde Live-1 n’est publiée. Indépendamment, GPT-Realtime-2 a un ELO Artificial Analysis V2 Free de 1077 au 5 octobre 2026 ; le palier Free ne publie pas de rang.

Points forts

  • GPT-Realtime-2 : premier modèle vocal avec raisonnement GPT-5
  • Contexte 128K (vs 32K pour GPT-Realtime-1.5)
  • 5 niveaux de raisonnement : minimal, low, medium, high, xhigh
  • Preambles : phrases de remplissage pendant le raisonnement
  • Parallel tool calls audibles
  • GPT-Realtime-Translate : 70+ langues → 13 sorties, 0,034$/min
  • GPT-Realtime-Whisper : STT streaming temps réel, 0,017$/min
  • ELO AA V2 Free 1077 (5 octobre ; rang non publié) — le rang 1208 de mai reste une annonce distincte
  • EU Data Residency disponible
  • +15,2% Big Bench Audio vs GPT-Realtime-1.5 (high)
  • GPT-Live-1 : la voix parle, GPT-5.5 raisonne (Instant, Medium, High)
  • GPQA 84,2 % et BrowseComp 75,2 % : chiffres OpenAI contre AVM, pas contre le catalogue

Limitations

  • Pas de clonage vocal
  • Pas de souveraineté (cloud US par défaut)
  • GPT-Realtime-2 : 32$/1M input + 64$/1M output audio tokens (coûteux à l'échelle)
  • 1,536s latence médiane (vs 0,864s Ultravox)
  • Pas d'on-premise
  • Aucune milliseconde publiée pour GPT-Live-1 ; le 1,536 s est le repère realtime antérieur

Capacités vocales

Clonage vocal No

No voice cloning. Pre-built voices uniquement.

Direction émotionnelle & jeuDirection par instructions

Le ton est piloté par les instructions de session, avec choix de voix et de vitesse.

Comment : `instructions`, `voice` et `speed` (0,25–1,5) sur la session Realtime.

À tester : Les instructions de ton restent générales : tester une matrice de scènes plutôt que supposer une émotion stable.

Streaming Oui

WebSocket streaming. Full-duplex. Contexte 128K (vs 32K pour GPT-Realtime-1.5). Preambles (phrases de remplissage pendant le raisonnement). Parallel tool calls audibles. 5 niveaux de raisonnement : minimal, low (défaut), medium, high, xhigh. 1.536s median latency (vs 0.864s Ultravox).

Données lip-sync No

No native lip-sync data.

Tarification

Prix / 1M chars
Gratuit
Prix / minute
à partir de $0.1000
selon l'abonnement souscrit
Offre gratuite
API credits on signup

gpt-realtime-2.1 : $32/1M tokens audio entrée et $64/1M sortie, comme le palier 2 déjà noté. 2.1-mini : $10 / $20. GPT-Live-1 : $0,05/min pour la couche voix, plus GPT-5.5 derrière (Instant, ou Thinking en Medium/High). Translate $0,034/min et Whisper $0,017/min restent les tarifs de mai.

Souveraineté & Conformité

On-premise No

Cloud only. EU Data Residency disponible pour applications EU (Realtime API).

GDPR Conforme

Résidence des données : US (default). EU Data Residency disponible (Realtime API).

Analyse stratégique & business

Positionnement de OpenAI Realtime (gpt-realtime-2.1) + GPT-Live-1

Au-delà des specs techniques : où se positionne cet outil dans l'écosystème, quels sont les risques et les enjeux stratégiques pour GamiWays ?

17 juillet 2026 : GPT-Live-1 parle, GPT-5.5 raisonne derrière (The Batch). Les scores GPQA et BrowseComp comparent Live à Advanced Voice Mode seulement. L’API du 10 septembre ajoute 0,05 $/min de voix, sans milliseconde. La ligne de mai (GPT-Realtime-2, Translate, Whisper) et l’ELO d’août restent la baseline datée.

Cloud SaaS uniquement
Risque lock-in :Élevé
Souveraineté :Faible
Menace open-source :Élevé
Prix :En baisse ↓

A. Positionnement stratégique

Client cible : Developer / Enterprise — GPT-5 reasoning voice agents, traduction live, STT streaming

7 mai 2026 : 3 nouveaux modèles audio. GPT-Realtime-2 (raisonnement GPT-5, contexte 128K, 5 niveaux de raisonnement, preambles, +15,2% Big Bench Audio). GPT-Realtime-Translate (70+ langues → 13 sorties, 0,034$/min). GPT-Realtime-Whisper (STT streaming, 0,017$/min).

B. Avantage concurrentiel

  • GPT-Realtime-2 : premier modèle vocal avec raisonnement GPT-5, contexte 128K, 5 niveaux de raisonnement
  • Preambles : phrases de remplissage audibles pendant le raisonnement pour maintenir l'immersion
  • GPT-Realtime-Translate : traduction live 70+ langues → 13 sorties, 0,034$/min
  • Marque et écosystème OpenAI — adoption massive des développeurs et confiance

Vulnérabilité : Cloud uniquement — pas d'option on-premise. Coût élevé. Préoccupations de souveraineté des données UE. Exposition légale/réglementaire d'OpenAI.

E. Questions stratégiques pour GamiWays

Fit souveraineté

Cloud uniquement avec résidence des données UE limitée. La juridiction américaine d'OpenAI crée un risque souveraineté pour les déploiements réglementés Suisse/UE.

Build vs. Buy

Acheter pour la Phase 1 si le raisonnement GPT-4o est requis. Pour la souveraineté Phase 2, basculer vers une stack open-source (Ultravox + Kokoro/Chatterbox).

Risque de lock-in

L'intégration profonde GPT-4o crée un fort lock-in d'écosystème. Les coûts de migration sont élevés si le raisonnement LLM est central dans la conception de l'agent vocal.

Alignement roadmap

Bon pour le prototypage Phase 1 avec GPT-4o. Incompatible avec les exigences de souveraineté Phase 2 sans changements architecturaux majeurs.

Vérification de cette fiche

Vérifiée le 17 octobre 2026

The Batch, 17 Jul 2026 (GPQA, BrowseComp, preference vs AVM). API price: OpenAI, 10 Sep 2026. Public Speech Arena, 17 Oct 2026: GPT-Realtime-2 ELO 1079, rank 49.

Note de mise à jour : Arena publique du 17 octobre 2026 : GPT-Realtime-2 ELO 1079, rang 49. Pas de nouveau snapshot API : clé absente.

Cette date concerne les prix, capacités et notes propres à cette fiche. Les benchmarks de comparaison suivent la synchronisation et la méthode indiquées dans le bloc au-dessus.

Benchmarks ELO / indices : Artificial Analysis · Dernière sync API : 5 octobre 2026