OpenAI'nin Realtime API'si, bir uygulamada canlı ses gerektiğinde geliştiricilerin gerçekten çağırdığı API'dir — henüz geliştirici API'si olmayan bir ChatGPT özelliği olan GPT-Live değil. Manşet fiyatı, milyon ses girdi token'ı başına 32 dolar, çok sert görünüyor; ancak çoğu kişinin kafasındaki hesap yanlıştır: ses etkinliği algılama ve prompt önbellekleme ile, gerçek speech-to-speech trafiği dakikada yaklaşık 0,04 dolara daha yakın çalışır ve yeni mini katmanı bunu daha da düşürür. Bu kılavuz, dört Realtime modelinin tamamındaki Temmuz 2026 fiyatlandırmasını ayrıntılı biçimde açıklar, ses token'larının gerçekte dakikalara nasıl dönüştüğünü gösterir ve tahmine gerek kalmadan bütçe yapabilmeniz için somut maliyet örnekleri sunar.
Realtime API nedir (ve neden GPT-Live olmadığı)
GPT-Live, 8 Temmuz 2026'da kullanıma sunuldu, OpenAI'nin tam çift yönlü ses modelidir — aynı anda dinleyip konuşabilir — ve yeni ChatGPT Voice deneyimini güçlendirir. Henüz bir geliştirici API'si olarak kullanıma sunulmadı; OpenAI bunun "yakında geliyor" olduğunu söylüyor ve kayıt topluyor. Bugün bir ses ürünü geliştirmek istiyorsanız, bağlayacağınız şey Realtime API'dir: ayrı bir model ailesi (gpt-realtime-2.1, daha ucuz gpt-realtime-2.1-mini, ayrıca özel translate ve whisper modelleri). GPT-Live'ın, OpenAI'nin 2025'te GPT-Bidi-1 adı altında test ettiği modelin üretim sürümü olduğu genel olarak kabul edilir — tam mimari hikâyesi için, önceki incelememize bakın. Fiyatlandırma için bu sayfada kalın: bundan sonra "Realtime", API modelleri anlamına gelir.
Güncel Realtime API fiyatlandırması (Temmuz 2026)
Bunlar OpenAI'nin fiyatlandırma sayfasındaki canlı oranlardır, 9 Temmuz 2026 tarihinde doğrulanmıştır. Ses ve metin, milyon token başına faturalandırılır; iki özel model ise dakika başına faturalandırılır.
Model | Modality | Girdi | Önbelleğe alınmış girdi | Çıktı |
|---|---|---|---|---|
gpt-realtime-2.1 | Audio | $32.00 | $0.40 | $64.00 |
gpt-realtime-2.1 | Text | $4.00 | $0.40 | $24.00 |
gpt-realtime-2.1 | Image | $5.00 | $0.50 | — |
gpt-realtime-2.1-mini | Audio | $10.00 | $0.30 | $20.00 |
gpt-realtime-2.1-mini | Text | $0.60 | $0.06 | $2.40 |
gpt-realtime-2.1-mini | Image | $0.80 | $0.08 | — |
gpt-realtime-translate | Audio (dakika başına) | — | — | $0.034/min |
gpt-realtime-whisper | Audio (dakika başına) | — | — | $0.017/min |
$32 rakamı sizi paniğe sürüklemeden önce fark edilmesi gereken üç şey var. Birincisi, mini katman (gpt-realtime-2.1-mini) amiral gemisinin yaklaşık üçte biri kadardır — ses için $10/$20, $32/$64 yerine — ve birçok sesli uygulama için konuşmayı iyi şekilde yönetir. İkincisi, önbelleğe alınmış ses girişi milyon başına $0.30–$0.40 seviyesine düşer; bu önemlidir çünkü çoğu oturum her turda aynı sistem istemini ve araç tanımlarını yeniden gönderir. Üçüncüsü, ses başına token oranı ($32/$64) aslında 2025 gpt-realtime-2 sürümünden bu yana sabit kalmıştır; 2024’te $40/$80 ve $100/$200 seviyelerinden düşmüştür — dolayısıyla 2026 hikâyesi daha çok "fiyatı düşürdüler" değil, "ucuz bir mini katman ve akıl yürütme kontrolleri eklediler" şeklindedir.
Token ve dakika: neden tahmininiz muhtemelen yanlış
OpenAI geliştirici forumunu aynı soru defalarca dolduruyor: "Milyon token başına $100 mı, yoksa dakika başına $0.06 mı — hangisi?" Her iki rakam da OpenAI’nin kendi dokümanlarında farklı zamanlarda, aynı model için yer aldı. İnsanların fiyat karşısında şok yaşamasının nedeni — bir geliştirici bunun için "bunu cüzdanımı yakmadan test bile edemem" diye yazmıştı — ham token hesabının, gerçek faturada baskın olan üç şeyi göz ardı etmesidir.
Sessizlik için ödeme yapmazsınız. OpenAI'nin sunucu taraflı voice activity detection (VAD) sistemi, konuşma olmayan sesleri filtrelemek üzere tasarlanmıştır; bu nedenle sessizlik, duraklamalar ve bekleme süresi genellikle faturaya çok az yansır — bunu kendi kullanım günlüklerinizde doğrulayın.
Girdinizin çoğu önbelleğe alınır. Her turda bir system prompt ile tool schemas gönderilir; prompt caching sayesinde bu ön ek $32/M yerine $0.30–$0.40/M olarak ücretlendirilir — yaklaşık 80× daha ucuz.
Konuşma süresi oranı büyük ölçüde değişir. 10 dakikalık bir "call", her yönde yalnızca iki dakika gerçek konuşma içerebilir. Fatura, duvar saati süresini değil, konuşmayı takip eder.
Bunları bir araya getirdiğinizde, dakikalık rakam ölçen kişiye bağlı olarak büyük ölçüde değişir. Faturalarını paylaşan geliştiricilerden gelen birkaç anekdot rapor:
@kwindla (Ağu 2025): diyaloğun dakikası yaklaşık ~$0.04 , örtük token önbelleklemesi hesaba katıldığında; ayrıca yalnızca bağlantıyı sürdürmek için saat başına yaklaşık $0.20.
@kevintpayne (May 2026): ~$18/saat (≈ $0.30/dk), daha yoğun bir konuşma süresi iş yükünde.
@leonardsaros (Tem 2026): ~$1/dakika olarak bir tahmin — muhtemelen VAD, önbellekleme veya konuşma süresi hakkında farklı varsayımlar kullanılıyor; yukarıdakiyle aynı tuzak.
Aynı fiyat üzerinde 25×'lik bir fark var. Çıkarım şu: yalnızca token oranına bakarak tahmin yapmayın. Gerçek bir oturum çalıştırın, giriş/çıkış tokenlarını ve konuşma dakikalarını kaydedin, ardından bölün. Planlama aralığı olarak, önbellekleme ve VAD etkin olan tipik bir asistanda gpt-realtime-2.1 için $0.04–$0.10/dakika bekleyin ve mini katmanda bunun yaklaşık üçte birini öngörün.
Gerçek bir sohbetin maliyeti
Doğrulanmış dakika başı aralıktan tahmin yapmak, token oranlarını çarpmaktan daha güvenilirdir. İki referans iş yükünü ele alın.
Müşteri desteği — günde 1.000 çağrı, her biri yaklaşık 4 dakika arayan + 1 dakika ajan konuşması. Çağrı başına yaklaşık 5 dakikalık faturalandırılan konuşma ve gpt-realtime-2.1 üzerinde karma $0.08/dakika oranıyla (orta seviye, önbellekleme ve VAD ile), bu yaklaşık çağrı başına $0.40, yani günde 1.000 çağrıda yaklaşık $12,000/ay eder. Aynı yük gpt-realtime-2.1-mini üzerinde çağrı başına yaklaşık $0.13 seviyesine düşer (~$4,000/ay) — mini modelin araç çağrılarınızı ve muhakemenizi karşılaması koşuluyla; basit IVR ve FAQ akışlarında genellikle bunu yapar.
Sesli asistan — 100 günlük aktif kullanıcı, kişi başı 3 kısa oturum. Kullanıcı başına günde yaklaşık 1,5 dakika konuşma. 2.1 üzerinde dakikası $0.08 ise, bu kullanıcı başına günde yaklaşık $0.12, yani ayda yaklaşık $360; mini üzerinde ise daha çok $120/ay.
Bunlar planlama rakamlarıdır, kesin teklifler değil — gerçek sayınız konuşma süresi oranına, akıl yürütme eforuna ve istemlerinizin ne kadar önbelleğe alınabilir olduğuna bağlıdır. Önemli olan büyüklük mertebesidir: önbellekleme ve VAD ile, canlı ses artık 2024'te olduğu gibi "yalnızca mevcut bir işiniz varsa değerli" bir lüks değil. OpenAI API maliyetlerini model aileleri genelinde bütçeleme hakkında daha geniş bir bakış için, bizim GPT-4o reasoning API maliyet rehberi sayfamıza göz atın.
Muhakeme çabası ve mini katmanı: paranın nereye gittiği
gpt-realtime-2.1 beş akıl yürütme seviyesi sunar — minimal, low (varsayılan), medium, high, xhigh (OpenAI docs). Daha yüksek effort, daha fazla düşünme tokenı, daha fazla gecikme ve text-output ölçerinde daha büyük bir fatura demektir. Varsayılan low çoğu konuşma uygulaması için uygundur; çok adımlı akıl yürütme veya karmaşık tool kullanımı gerektiren tur(lar) için high/xhigh seviyelerini ayırın, ardından tekrar aşağı düşürün.
Mini katmanı daha büyük kaldıraçtır. gpt-realtime-2.1-mini ses ve metinde kabaca 3× daha ucuzdur ve yine de fonksiyon çağırma, kesintiler ve doğal sıra alma özelliğini destekler. Pratik bir kural: geri getirme veya onaylama olan çoğu tur için mini, gerçek muhakeme gerektiren turlar için 2.1. Bu şekilde karmaşıklığa göre yönlendirme yapmak, trafiğinizin çoğu basitse bir oturumun maliyetini önemli ölçüde azaltabilir.
Çevir ve Fısılda: dakika başına fırsatlar
İki Realtime modeli hiç token fiyatlandırması kullanmaz ve kendi görevleri için en ucuz seçeneklerdir:
gpt-realtime-translate — $0.034/minute, 70+ giriş dilinden 13 çıkış diline konuşmayı gerçek zamanlı olarak çevirir. Çok dilli destek hatları veya canlı tercüme için bu, tam 2.1 modelini çalıştırmaktan daha ucuzdur ve özellikle çeviri için ayarlanmıştır.
gpt-realtime-whisper — $0.017/minute, akışlı konuşmadan metne dönüştürme. Hâlâ daha ucuzdur ve tam bir sesli sohbet olmadan canlı altyazılara veya bir transkript akışına ihtiyacınız olduğunda kullanışlıdır.
İşiniz açık uçlu sesli sohbet yerine çeviri veya transkripsiyonsa, bunlara yönelmek gpt-realtime-2.1 yerine mevcut en büyük tek maliyet tasarrufudur.
Nasıl daha az ödenir
Model ve reasoning-tier seçiminin ötesinde, standart Realtime maliyet kaldıraçları:
VAD’yi açık tutun. Konuşma dışı kısımlar faturalandırılmamalı, ancak yalnızca sessizlik gerçekten filtreleniyorsa — oturumunuzun ölü hava aktarmadığını doğrulayın.
Önce ses çıktısını kısaltın. Üretilen konuşma ($64/M tarafı) en pahalı ölçerdir. Kısa yanıtlar, özetler ya da ilk ses turundan sonra metne geçmek hızla birikir.
Prompt’ları önbelleğe alınabilir hale getirin. System prompt’unuzu ve tool schema’nızı statik tutun ve context’in başında yerleştirin; böylece cached rate’den yararlanırlar; her turda bunları değiştirmek 80× indirimi boşa çıkarır.
Uzun oturumları sıkıştırın. Tam transkripti yeniden oynatmak yerine, birkaç turda bir konuşma durumunu özetleyin; bu, input token’ları yeniden faturalandırır.
Karmaşıklığa göre yönlendirin. Varsayılan olarak Mini kullanın, yalnızca bir tur gerçekten gerektirdiğinde 2.1’e yükseltin.
Aynı OpenAI Realtime modellerini daha düşük token başına ücretle yeniden satan Relay endpoint’leri bir başka seçenektir — API yüzeyi aynıdır, bu nedenle entegrasyon değişmez; AIReiter bir örnektir.
SSS
GPT-Live, Realtime API'yi kullanıyor mu?
Doğrudan değil. GPT-Live, henüz bir geliştirici API'si olarak sunulmayan bir ChatGPT ses özelliğidir. Realtime API modelleri (gpt-realtime-2.1 ve benzerleri), bugün çağırabileceğiniz geliştiriciye dönük eşdeğerdir.
OpenAI Realtime API pahalı mı?
Token oranının gösterdiğinden daha az — VAD ve önbellekleme ile 2.1'de yaklaşık $0.04–$0.10/dakika ve mini'de çok daha az. Yukarıdaki token-vs-minute bölümü, tahminlerin neden bu kadar geniş aralıkta değiştiğini açıklıyor.
Realtime API'nin dakika başına maliyeti nedir?
Tek bir sayı yok — bu, konuşma süresi oranına, akıl yürütme çabasına ve önbelleğe alma durumuna bağlıdır. İyi ayarlanmış bir 2.1 oturumu yaklaşık $0.04–$0.10/dk çalışır; mini katmanı bunun yaklaşık üçte biri kadardır; translate ve whisper ise sırasıyla $0.034 ve $0.017/dk sabittir.
Ses tokenları dakikalara nasıl dönüşür?
Token-başına dakika kuralına güvenmeyin — bunu kendi kullanım kayıtlarınızdan hesaplayın. Bir gpt-realtime-2.1 oturumu için, tüm sayaçlardaki faturalandırılan tokenları toplayın: önbelleğe alınmamış ses girişi × $32/1M + önbelleğe alınmış ses girişi × $0.40/1M + ses çıktısı × $64/1M + metin girişi × $4/1M + metin çıktısı × $24/1M (görüntü gönderiyorsanız görüntü girişi × $5/1M ekleyin), ardından bunu gerçek konuşma dakikalarına bölün. VAD ve önbellekleme devredeyken ortaya çıkan o gerçek birleşik oran, basit token hesabının çok altında kalır.
Realtime API ile ElevenLabs veya Grok Voice?
ElevenLabs TTS kalitesinde üstündür ve yalnızca anlatım odaklı akışlarda rekabetçidir; Realtime API ise entegre akıl yürütme ve araç kullanımı konusunda öne çıkar. xAI'ın Grok Voice Agent'ının sabit 0,05 $/dakika (source) fiyatla kullanıma sunulduğu bildirildi; bu, tipik bir 2.1 kurulumunun yaklaşık yarısıdır — saf ses için daha ucuz, ancak daha az multimodal özellik sunar. Google'ın Gemini omni models de fiyat açısından değerlendirmeye değer başka bir realtime seçenektir.
Önbelleğe alınmış ses girdisi nedir ve ne kadar tasarruf sağlar?
Yinelenen ön ekler için, örneğin sistem isteminiz ve araçlarınız için, giriş faturaları $10–$32/M yerine $0.30–$0.40/M olarak önbelleğe alınır. Her turda büyük bir istemi yeniden kullanan bir oturumda, bu makul bir fatura ile şok edici bir fatura arasındaki farktır.
Sonuç
2026'da çoğu ses uygulaması için, çoğu dönüş için gpt-realtime-2.1-mini ile başlayın, yalnızca bir dönüş gerçekten muhakeme gerektirdiğinde gpt-realtime-2.1 e yükseltin ve işiniz özellikle çok dilli kullanım veya transkripsiyon ise translate ya da whisper kullanın. VAD'yi açık tutun, önbelleğe alınacak istemler tasarlayın ve üretilen konuşmayı kısaltın. Bunu yapın; böylece çoğu uygulama için Realtime kullanım bütçeleri konuşma dakikası başına düşük sentlerde kalır — ortalıkta dolaşan dakikada 1 ABD doları rakamının çok altında ve gerçekten iyi optimize edilmiş kurulumların gördüğü 0,04 ABD dolarına daha yakındır.