Hvornår bør jeg bruge gpt-audio-1.5 vs gpt-realtime-1.5 til en stemmeagent?

Vælg gpt-audio-1.5 for lyd i højere kvalitet i Chat Completions-forløb, hvor der kræves større kontekst; vælg gpt-realtime-1.5 til lav latenstid og live-streamede stemmeinteraktioner. :contentReference[oaicite:46]{index=46}

Er gpt-audio-1.5 egnet til stemmeagenter til kundesupport i produktion?

Ja — den er designet til stemmeassistenter og konversationsagenter, men du bør tilføje manuel gennemgang/QA, logning og sikkerhedskontroller før produktionsimplementering. :contentReference[oaicite:48]{index=48}

Hvilke hovedbegrænsninger skal man overveje ved implementering af gpt-audio-1.5?

Vigtige hensyn er afvejninger mellem beregningsressourcer og latenstid for lydsessioner med stor kontekst, sikkerhedsforanstaltninger for stemmeindhold samt behovet for at validere ASR/TTS-output i dit domæne. :contentReference[oaicite:49]{index=49}

Kan gpt-audio-1.5 håndtere både tale-til-tekst og tekst-til-tale i API'et?

Ja — den accepterer lydinput og kan returnere lydoutput eller tekstsvar via Chat Completions/audio endpoints. :contentReference[oaicite:45]{index=45}

Hvad er de officielle grænser for kontekst og output-tokens for gpt-audio-1.5 API'et?

gpt-audio-1.5 understøtter et 128,000-token kontekstvindue, og dokumenterne angiver en maksimal output-tokenkonfiguration omkring 16,384; bekræft de nøjagtige grænser pr. endpoint i udviklerdokumentationen. :contentReference[oaicite:44]{index=44}

Understøtter gpt-audio-1.5 streaming og function calling til værktøjsintegrationer?

Ja — modellen understøtter streaming af lydsvar og strukturerede output/function calling til at integrere eksterne værktøjer og arbejdsgange. :contentReference[oaicite:47]{index=47}

OpenAI

Tilgængelig

gpt-audio-1.5

gpt-audio-1.5 API

Den bedste stemmemodel til lyd ind, lyd ud med Chat Completions.

Startpris

$2.00 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Feb 24, 2026

OpenAI

Oversigt

Et praktisk overblik over gpt-audio-1.5, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for gpt-audio-1.5

Element	gpt-audio-1.5 (offentlige specifikationer)
Modelfamilie	GPT Audio-familien (lydførst-variant)
Inputtyper	Tekst, lyd (tale ind)
Outputtyper	Tekst, lyd (tale ud), struktureret output (funktionskald understøttes)
Kontekstvindue	128,000 tokens.
Maksimalt output-tokens	16,384 (dokumenteret i relateret gpt-audio-liste).
Ydelsesniveau	Højere intelligens; Middel hastighed (balanceret).
Latensprofil	Optimeret til stemmeinteraktioner (middel/lav latens afhængigt af endepunkt).
Tilgængelighed	Chat Completions API (lyd ind/ud) og platformens playgrounds; integreret på tværs af realtime-/stemmeflader.
Sikkerhed / brugshensyn	Værn for stemmeindhold; behandl modeloutput med sædvanlige sikkerheds- og verifikationsprocedurer for produktionsstemmeagenter.

Bemærk: gpt-realtime-1.5 er en nært beslægtet realtime lyd-/stemmeførst-variant, optimeret til lavere latens og realtime-sessioner; se sammenligningen nedenfor.

Hvad er gpt-audio-1.5?

gpt-audio-1.5 er en lydkapabel GPT-model, der understøtter både taleinput og taleoutput via Chat Completions og beslægtede lydunderstøttende API'er. Den er positioneret som den primære, generelt tilgængelige lydmodel til at bygge stemmeagenter og stemmeførste oplevelser med balance mellem kvalitet og hastighed.

Vigtigste funktioner

Understøttelse af tale ind / tale ud: Håndterer talt input og returnerer talte eller tekstlige svar for naturlige stemmeforløb.
Stor kontekst til lydarbejdsgange: Understøtter meget stor kontekst (dokumenteret 128k tokens), hvilket muliggør flere omgange, lang samtalehistorik eller store multimodale sessioner.
Streaming og kompatibilitet med Chat Completions: Fungerer inden for Chat Completions med streamede lydsvar samt struktureret output med funktionskald.
Balanceret ydelse/latens: Finjusteret til at levere lydsvar i høj kvalitet ved middel gennemløb—egnet til chatbots og stemmeassistenter, hvor kvalitet er vigtig.
Økosystem og integrationer: Understøttet i platformens playgrounds og tilgængelig på tværs af officielle realtime-/stemme-endepunkter og partnerintegrationer (Azure/Microsoft Foundry-noter refererer til lignende lydmodeller).

gpt-audio-1.5 vs. relaterede lydmodeller

Egenskab	gpt-audio-1.5	gpt-realtime-1.5
Primært fokus	Lyd af høj kvalitet ind/ud til Chat Completions og samtaleforløb.	Realtime S2S (tale-til-tale) med lavere latens til live stemmeagenter og streaming-scenarier.
Kontekstvindue	128k tokens.	32k tokens (realtime-varianten dokumenteret).
Maksimalt output-tokens	16,384 (dokumenteret).	Typisk konfigureret til kortere realtime-svar (dokumentationen angiver et mindre maksantal tokens).
Bedste anvendelse	Chatbots, stemmeaktiverede assistenter, hvor fuld chat-semantik + lyd kræves.	Live stemmeagenter, kiosker og lav-latens samtalegrænseflader.

Repræsentative anvendelsestilfælde

Samtaleorienterede stemmeagenter til kundesupport og interne helpdesks.
Stemmeaktiverede assistenter indlejret i apps, enheder og kiosker.
Håndfri arbejdsgange (diktering, stemmesøgning, tilgængelighed).
Multimodale oplevelser, der blander lyd med tekst / billeder via Chat Completions.

Begrænsninger og driftsmæssige hensyn

Ikke en direkte erstatning for menneskelig QA: Valider altid taleoutput og efterfølgende handlinger med menneskelig gennemgang i produktionsforløb.
Ressourceplanlægning: Stor kontekst og lyd-I/O kan øge beregningsforbrug og latens—design streaming-/segmenteringsstrategier til lange sessioner.
Sikkerhed og politikhensyn: Stemmeoutput kan have overtalende effekt; følg platformens sikkerhedsretningslinjer og værn ved udrulning i større skala.
Sådan får du adgang til GPT Audio 1.5 API

Trin 1: Registrer dig for en API-nøgle

Log ind på cometapi.com. Hvis du ikke er bruger endnu, skal du først registrere dig. Log ind i din CometAPI-konsol. Hent API-adgangsnøglen til interfacet. Klik på “Add Token” ved API-token i personligt center, hent token-nøglen: sk-xxxxx og indsend.

cometapi-nøgle

Trin 2: Send forespørgsler til GPT Audio 1.5 API

Vælg “gpt-audio-1.5”-endepunktet for at sende API-anmodningen og angiv anmodningsindholdet. Anmodningsmetode og anmodningsindhold fås fra vores websteds API-dokumentation. Vores websted tilbyder også Apifox-test til din bekvemmelighed. Erstat <YOUR_API_KEY> med din faktiske CometAPI-nøgle fra din konto. Basis-URL er Chat Completions

Indsæt dit spørgsmål eller din anmodning i content-feltet—det er dette, modellen svarer på. Behandl API-svaret for at få det genererede svar.

Trin 3: Hent og verificer resultater

Behandl API-svaret for at få det genererede svar. Efter behandling svarer API'et med opgavens status og outputdata.

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første forespørgsel

$0.01

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

$0.1

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

$0.15

Estimeret CometAPI-forbrugsomkostning

Priser for gpt-audio-1.5

Udforsk konkurrencedygtige priser for gpt-audio-1.5, designet til at passe til forskellige budgetter og brugsbehov. Vores fleksible planer sikrer, at du kun betaler for det, du bruger, hvilket gør det nemt at skalere, efterhånden som dine krav vokser. Opdag hvordan gpt-audio-1.5 kan forbedre dine projekter, mens omkostningerne holdes håndterbare.

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Indtast:$2/M Output:$8/M	Indtast:$2.5/M Output:$10/M	-20%

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til gpt-audio-1.5

Få adgang til omfattende eksempelkode og API-ressourcer for gpt-audio-1.5 for at strømline din integrationsproces. Vores detaljerede dokumentation giver trin-for-trin vejledning, der hjælper dig med at udnytte det fulde potentiale af gpt-audio-1.5 i dine projekter.

POST

/v1/chat/completions

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

Python Code Example

from openai import OpenAI
import os
import base64

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="gpt-audio-1.5",
    modalities=["text", "audio"],
    audio={"voice": "alloy", "format": "wav"},
    messages=[
        {
            "role": "user",
            "content": "Is a golden retriever a good family dog?"
        }
    ],
)

# Print the text response
print(completion.choices[0].message.audio.transcript)

# Save the audio response to a file
wav_bytes = base64.b64decode(completion.choices[0].message.audio.data)
output_path = "gpt-audio-1.5-output.wav"
with open(output_path, "wb") as f:
    f.write(wav_bytes)
print(f"Audio saved to {output_path}")

JavaScript Code Example

import OpenAI from "openai";
import fs from "fs";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({ apiKey: api_key, baseURL: base_url });

const completion = await openai.chat.completions.create({
  model: "gpt-audio-1.5",
  modalities: ["text", "audio"],
  audio: { voice: "alloy", format: "wav" },
  messages: [
    {
      role: "user",
      content: "Is a golden retriever a good family dog?",
    },
  ],
});

// Print the text transcript
console.log(completion.choices[0].message.audio.transcript);

// Save the audio response to a file
const wavBytes = Buffer.from(completion.choices[0].message.audio.data, "base64");
const outputPath = "gpt-audio-1.5-output.wav";
fs.writeFileSync(outputPath, wavBytes);
console.log(`Audio saved to ${outputPath}`);

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-speech

Input og output

Input

text

Output

audio

Produktionsprofil

Udbyder: OpenAI
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug gpt-audio-1.5 til produktions-workflows, der matcher dens audio-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Generering af tale, musik og lyd

Stemmeoplevelser og medieproduktion

Automatiserede lyd-workflows i stor skala

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

OpenAI

GPT-Realtime-2.1

GPT-Realtime-2.1 updates GPT-Realtime-2 with improved alphanumeric recognition, silence and noise handling, and interruption behavior. It supports speech-to-speech interactions with configurable reasoning effort, instruction following, and tool use for complex voice-agent workflows.

Se model

OpenAI

GPT-Realtime-2

GPT-Realtime-2 er vores mest kapable realtids-talemodel. Den understøtter tale-til-tale-interaktioner med justerbar grad af ræsonnement, bedre efterlevelse af instruktioner og mere pålidelig brug af værktøjer til komplekse arbejdsgange for taleagenter.

Se model

OpenAI

gpt-realtime-1.5

Den bedste stemmemodel til lyd ind, lyd ud.

Se model

OpenAI

TTS

OpenAI tekst-til-tale

Se model

OpenAI

Whisper-1

Tale til tekst, oprettelse af oversættelser

Se model

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe er en lyd-til-tekst-model til flersproget talegenkendelse med lav latenstid. Den understøtter realtidsstreaming og batch-transskription fra almindelige lydformater med tegnsætning og sætningssegmentering. Typiske anvendelser omfatter live-undertekster, input til stemmeassistenter, mødereferater samt transskription af medie- eller opkaldsoptagelser. Tekniske højdepunkter omfatter understøttelse af lydmodalitet, behandling af lange optagelser og API’er, der er velegnede til interaktive og server-side arbejdsgange.

Se model

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

OpenAI

Tilgængelig

gpt-audio-1.5

gpt-audio-1.5 API

Den bedste stemmemodel til lyd ind, lyd ud med Chat Completions.

Startpris

$2.00 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Feb 24, 2026

OpenAI

Oversigt

Et praktisk overblik over gpt-audio-1.5, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for gpt-audio-1.5

Element	gpt-audio-1.5 (offentlige specifikationer)
Modelfamilie	GPT Audio-familien (lydførst-variant)
Inputtyper	Tekst, lyd (tale ind)
Outputtyper	Tekst, lyd (tale ud), struktureret output (funktionskald understøttes)
Kontekstvindue	128,000 tokens.
Maksimalt output-tokens	16,384 (dokumenteret i relateret gpt-audio-liste).
Ydelsesniveau	Højere intelligens; Middel hastighed (balanceret).
Latensprofil	Optimeret til stemmeinteraktioner (middel/lav latens afhængigt af endepunkt).
Tilgængelighed	Chat Completions API (lyd ind/ud) og platformens playgrounds; integreret på tværs af realtime-/stemmeflader.
Sikkerhed / brugshensyn	Værn for stemmeindhold; behandl modeloutput med sædvanlige sikkerheds- og verifikationsprocedurer for produktionsstemmeagenter.

Bemærk: gpt-realtime-1.5 er en nært beslægtet realtime lyd-/stemmeførst-variant, optimeret til lavere latens og realtime-sessioner; se sammenligningen nedenfor.

Hvad er gpt-audio-1.5?

Vigtigste funktioner

Understøttelse af tale ind / tale ud: Håndterer talt input og returnerer talte eller tekstlige svar for naturlige stemmeforløb.
Stor kontekst til lydarbejdsgange: Understøtter meget stor kontekst (dokumenteret 128k tokens), hvilket muliggør flere omgange, lang samtalehistorik eller store multimodale sessioner.
Streaming og kompatibilitet med Chat Completions: Fungerer inden for Chat Completions med streamede lydsvar samt struktureret output med funktionskald.
Balanceret ydelse/latens: Finjusteret til at levere lydsvar i høj kvalitet ved middel gennemløb—egnet til chatbots og stemmeassistenter, hvor kvalitet er vigtig.
Økosystem og integrationer: Understøttet i platformens playgrounds og tilgængelig på tværs af officielle realtime-/stemme-endepunkter og partnerintegrationer (Azure/Microsoft Foundry-noter refererer til lignende lydmodeller).

gpt-audio-1.5 vs. relaterede lydmodeller

Egenskab	gpt-audio-1.5	gpt-realtime-1.5
Primært fokus	Lyd af høj kvalitet ind/ud til Chat Completions og samtaleforløb.	Realtime S2S (tale-til-tale) med lavere latens til live stemmeagenter og streaming-scenarier.
Kontekstvindue	128k tokens.	32k tokens (realtime-varianten dokumenteret).
Maksimalt output-tokens	16,384 (dokumenteret).	Typisk konfigureret til kortere realtime-svar (dokumentationen angiver et mindre maksantal tokens).
Bedste anvendelse	Chatbots, stemmeaktiverede assistenter, hvor fuld chat-semantik + lyd kræves.	Live stemmeagenter, kiosker og lav-latens samtalegrænseflader.

Repræsentative anvendelsestilfælde

Samtaleorienterede stemmeagenter til kundesupport og interne helpdesks.
Stemmeaktiverede assistenter indlejret i apps, enheder og kiosker.
Håndfri arbejdsgange (diktering, stemmesøgning, tilgængelighed).
Multimodale oplevelser, der blander lyd med tekst / billeder via Chat Completions.

Begrænsninger og driftsmæssige hensyn

Ikke en direkte erstatning for menneskelig QA: Valider altid taleoutput og efterfølgende handlinger med menneskelig gennemgang i produktionsforløb.
Ressourceplanlægning: Stor kontekst og lyd-I/O kan øge beregningsforbrug og latens—design streaming-/segmenteringsstrategier til lange sessioner.
Sikkerhed og politikhensyn: Stemmeoutput kan have overtalende effekt; følg platformens sikkerhedsretningslinjer og værn ved udrulning i større skala.
Sådan får du adgang til GPT Audio 1.5 API

Trin 1: Registrer dig for en API-nøgle

cometapi-nøgle

Trin 2: Send forespørgsler til GPT Audio 1.5 API

Indsæt dit spørgsmål eller din anmodning i content-feltet—det er dette, modellen svarer på. Behandl API-svaret for at få det genererede svar.

Trin 3: Hent og verificer resultater

Behandl API-svaret for at få det genererede svar. Efter behandling svarer API'et med opgavens status og outputdata.

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første forespørgsel

$0.01

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

$0.1

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

$0.15

Estimeret CometAPI-forbrugsomkostning

Priser for gpt-audio-1.5

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Indtast:$2/M Output:$8/M	Indtast:$2.5/M Output:$10/M	-20%

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til gpt-audio-1.5

POST

/v1/chat/completions

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

Python Code Example

from openai import OpenAI
import os
import base64

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="gpt-audio-1.5",
    modalities=["text", "audio"],
    audio={"voice": "alloy", "format": "wav"},
    messages=[
        {
            "role": "user",
            "content": "Is a golden retriever a good family dog?"
        }
    ],
)

# Print the text response
print(completion.choices[0].message.audio.transcript)

# Save the audio response to a file
wav_bytes = base64.b64decode(completion.choices[0].message.audio.data)
output_path = "gpt-audio-1.5-output.wav"
with open(output_path, "wb") as f:
    f.write(wav_bytes)
print(f"Audio saved to {output_path}")

JavaScript Code Example

import OpenAI from "openai";
import fs from "fs";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({ apiKey: api_key, baseURL: base_url });

const completion = await openai.chat.completions.create({
  model: "gpt-audio-1.5",
  modalities: ["text", "audio"],
  audio: { voice: "alloy", format: "wav" },
  messages: [
    {
      role: "user",
      content: "Is a golden retriever a good family dog?",
    },
  ],
});

// Print the text transcript
console.log(completion.choices[0].message.audio.transcript);

// Save the audio response to a file
const wavBytes = Buffer.from(completion.choices[0].message.audio.data, "base64");
const outputPath = "gpt-audio-1.5-output.wav";
fs.writeFileSync(outputPath, wavBytes);
console.log(`Audio saved to ${outputPath}`);

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-speech

Input og output

Input

text

Output

audio

Produktionsprofil

Udbyder: OpenAI
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug gpt-audio-1.5 til produktions-workflows, der matcher dens audio-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Generering af tale, musik og lyd

Stemmeoplevelser og medieproduktion

Automatiserede lyd-workflows i stor skala

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

Den bedste stemmemodel til lyd ind, lyd ud.

Se model

OpenAI

TTS

OpenAI tekst-til-tale

Se model

OpenAI

Whisper-1

Tale til tekst, oprettelse af oversættelser

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Bliv ved med at udforske