O GPT-Realtime-Whisper é um modelo de conversão de fala em texto por streaming para aplicativos que precisam receber, com baixa latência, atualizações incrementais da transcrição de áudio ao vivo. O modelo foi desenvolvido para cenários de uso em tempo real em que os desenvolvedores precisam ajustar a latência e a precisão. O custo do GPT-Realtime-Whisper depende da duração do áudio, independentemente da quantidade de tokens de texto.