openai-realtime-audio

OpenAI の音声 API を 2 系統でカバーする。

• GPT-Live（gpt-live-1、full-duplex で backend への delegation を持つ音声 API、/v1/live/sessions、2026-09-10 GA）。公式ハブは新規の会話型音声アプリでは GPT-Live から始めるよう案内している
• Realtime API（WebRTC / WARP / WebSocket / SIP 経由の低遅延 speech-to-speech セッション）と、Audio エンドポイント（file transcription, text-to-speech, custom voices）

対象版: developers.openai.com の Markdown twin を 2026-10-17 に取得（changelog 最新 Oct 15, 2026。URL に版は無い）。 Deprecation の要点: TTS モデルは 2027-01-06、文字起こしモデルと /v1/audio/translations は 2027-02-26、legacy realtime / audio は 2027-01-20 に停止予定。

ディレクトリ構成

skills/openai-realtime-audio/
  SKILL.md
  references/
    live/
      README.md
      overview.md
      webrtc.md
      websocket.md
      sip.md
      server-controls.md
      sessions.md
      delegation.md
      prompting.md
      migration.md
      decisions-voice.md
      costs.md
      partner-integrations.md
      events.md
    realtime/
      README.md
      overview.md
      webrtc.md
      webrtc-warp.md
      websocket.md
      sip.md
      conversations.md
      vad.md
      transcription.md
      translation.md
      tools-mcp.md
      server-controls.md
      costs.md
      voice-agents.md
      models-prompting.md
      client-secrets.md
    audio/
      README.md
      audio-and-speech.md
      file-transcription.md
      text-to-speech.md
      transcription-workflow.md
      custom-voices.md
  samples/
    README.md
    webrtc-browser-session.md
    websocket-server-connection.md
    client-secret-issuance.md
    realtime-transcription-stream.md
    file-transcription.md
    text-to-speech-synthesis.md
    voice-agent-basic.md

scripts/ は意図的に作成していない。接続コード（WebRTC/WebSocket セットアップ、client secret 発行等）は samples/ 側で完結してカバーしているため。

探索手順

タスクからカテゴリを引き、カテゴリの README.md で目的のページを特定する:

1. 下記マッピング表でタスクに対応するカテゴリを探す
2. そのカテゴリの references/{category}/README.md（samples/ は直下の README.md）を参照して目的のページを特定する
3. 該当ページの .md を Read して詳細を確認する

棲み分け

• live/（GPT-Live、/v1/live/sessions）と realtime/（Realtime API）は接続ガイド（voice-webrtc / voice-websockets / voice-sip / voice-server-controls）を共有するが、handshake・認証情報・イベント形式は互換ではない。realtime/ と live/ のページを混ぜて読まない
• GPT-Live の client delegation（自前 agent を接続する方式）は GPT-Live 側の機能。openai-agents スキルの Agents SDK（RealtimeAgent / RealtimeSession / handoffs）とは別物
• Decisions API 本体は本スキルの対象外。live/decisions-voice.md の音声連携のみを扱う
• webhook 一般・Responses API のリファレンスは openai-api-core スキルを参照
• Realtime というキーワードは Supabase の Realtime（データベース pub/sub 製品）と無関係なので混同しないこと

タスク → カテゴリ マッピング

タスク	カテゴリ	参照 README
GPT-Live で full-duplex 音声会話・delegation（Responses / client）・Decisions 連携を作りたい	live	references/live/README.md
GPT-Live の接続（WebRTC / WebSocket / SIP / sideband）・課金・Realtime からの移行	live	references/live/README.md
WebRTC/WebSocket/SIP で Realtime セッションを張りたい	realtime	references/realtime/README.md
WebRTC 接続を WARP で高速化したい	realtime	references/realtime/README.md
conversation/event ライフサイクル・VAD・tools/MCP を知りたい	realtime	references/realtime/README.md
client secret（ephemeral key）発行・コスト・プロンプティングを知りたい	realtime	references/realtime/README.md
ファイルの音声書き起こし・text-to-speech（非リアルタイム）を知りたい	audio	references/audio/README.md
custom voice を作成・利用したい	audio	references/audio/README.md
transcription ワークフローの選定（file vs realtime）を知りたい	audio	references/audio/README.md
典型的な使い方を知りたい	samples	samples/README.md