Wann sollte ich gpt-audio-1.5 statt gpt-realtime-1.5 für einen Sprachagenten verwenden?

Verwenden Sie gpt-audio-1.5 für Audio in höherer Qualität in Chat Completions-Flows, in denen ein größerer Kontext erforderlich ist; verwenden Sie gpt-realtime-1.5 für latenzarme Live-Streaming-Sprachinteraktionen. :contentReference[oaicite:46]{index=46}

Ist gpt-audio-1.5 für produktive Kundensupport-Sprachagenten geeignet?

Ja — es ist für Sprachassistenten und Konversationsagenten konzipiert, Sie sollten jedoch vor dem Produktionseinsatz menschliche Prüfung/QA, Protokollierung und Sicherheitskontrollen ergänzen. :contentReference[oaicite:48]{index=48}

Welche wichtigsten Einschränkungen sind bei der Bereitstellung von gpt-audio-1.5 zu beachten?

Zentrale Aspekte sind Abwägungen zwischen Rechenaufwand und Latenz bei Audio-Sitzungen mit großem Kontext, Sicherheitsleitplanken für Sprachinhalte sowie die Notwendigkeit, ASR-/TTS-Ausgaben in Ihrem Anwendungsbereich zu validieren. :contentReference[oaicite:49]{index=49}

Kann gpt-audio-1.5 in der API sowohl Speech-to-Text als auch Text-to-Speech verarbeiten?

Ja — es akzeptiert Audioeingaben und kann über die Chat Completions/audio Endpunkte Audioausgaben oder textuelle Antworten zurückgeben. :contentReference[oaicite:45]{index=45}

Wie lauten die offiziellen Kontext- und Ausgabetoken-Limits für die gpt-audio-1.5-API?

gpt-audio-1.5 unterstützt ein Kontextfenster von 128,000 Token und die Dokumente nennen eine maximale Ausgabetoken-Konfiguration von etwa 16,384; prüfen Sie die exakten Limits pro Endpunkt in der Entwicklerdokumentation. :contentReference[oaicite:44]{index=44}

Unterstützt gpt-audio-1.5 Streaming und Function Calling für Tool-Integrationen?

Ja — das Modell unterstützt Streaming-Audio-Antworten und strukturierte Ausgaben/Function Calling, um externe Tools und Workflows zu integrieren. :contentReference[oaicite:47]{index=47}

OpenAI

Verfügbar

gpt-audio-1.5

gpt-audio-1.5 API

Das beste Sprachmodell für Audioeingabe und -ausgabe mit Chat Completions.

Startpreis

$2.00 / 1 Mio. Eingabe-Tokens

Nutzungsbasierte Abrechnung

API-Status

Verfügbar

Produktions-Endpunkt

Antwortzeit

Asynchron bereit

Gemessene API-Antwortzeit

Veröffentlicht

Feb 24, 2026

OpenAI

Überblick

Ein praktischer Überblick über gpt-audio-1.5, einschließlich wichtigem Verhalten und Hinweisen zur Integration.

Technische Spezifikationen von gpt-audio-1.5

Element	gpt-audio-1.5 (öffentliche Spezifikationen)
Modellfamilie	GPT Audio-Familie (Audio-First-Variante)
Eingabetypen	Text, Audio (Spracheingabe)
Ausgabetypen	Text, Audio (Sprachausgabe), strukturierte Ausgaben (Funktionsaufrufe werden unterstützt)
Kontextfenster	128,000 Tokens.
Maximale Ausgabetoken	16,384 (in der zugehörigen gpt-audio-Auflistung dokumentiert).
Leistungsstufe	Höhere Intelligenz; mittlere Geschwindigkeit (ausgewogen).
Latenzprofil	Optimiert für Sprachinteraktionen (mittlere/niedrige Latenz je nach Endpunkt).
Verfügbarkeit	Chat Completions API (Audio Ein/Aus) und Plattform-Playgrounds; integriert über Realtime-/Sprachoberflächen hinweg.
Sicherheits-/Nutzungshinweise	Leitplanken für Sprachinhalte; behandeln Sie Modellausgaben mit den üblichen Sicherheitsprüfungen und Verifikationen für produktive Sprachagenten.

Hinweis: gpt-realtime-1.5 ist eine eng verwandte Realtime-Audio-/Sprach-First-Variante, optimiert für geringere Latenz und Realtime-Sitzungen; siehe Vergleich unten.

Was ist gpt-audio-1.5?

gpt-audio-1.5 ist ein audiofähiges GPT-Modell, das sowohl Spracheingabe als auch Sprachausgabe über Chat Completions und verwandte audiofähige APIs unterstützt. Es ist als das allgemein verfügbare Haupt-Audiomodell positioniert, um Voice-Agents und „Speech-First“-Erlebnisse zu entwickeln, bei ausgewogenem Verhältnis zwischen Qualität und Geschwindigkeit.

Hauptfunktionen

Sprach-Ein-/Ausgabe-Unterstützung: Verarbeitet gesprochene Eingaben und liefert gesprochene oder textuelle Antworten für natürliche Sprachabläufe.
Großer Kontext für Audio-Workflows: Unterstützt sehr großen Kontext (dokumentiert 128k Tokens) und ermöglicht mehrstufige, lange Gesprächsverläufe oder große multimodale Sitzungen.
Streaming- und Chat Completions-Kompatibilität: Funktioniert innerhalb von Chat Completions mit gestreamten Audioantworten und strukturierten Ausgaben über Funktionsaufrufe.
Ausgewogene Leistung/Latenz: Abgestimmt auf hochwertige Audioantworten bei mittlerem Durchsatz – geeignet für Chatbots und Sprachassistenten, bei denen Qualität zählt.
Ökosystem und Integrationen: Unterstützt in den Playgrounds der Plattform und verfügbar über offizielle Realtime-/Sprachendpunkte sowie Partnerintegrationen (Hinweise zu Azure/Microsoft Foundry verweisen auf ähnliche Audiomodelle).

gpt-audio-1.5 vs. verwandte Audiomodelle

Eigenschaft	gpt-audio-1.5	gpt-realtime-1.5
Primärer Fokus	Hochwertige Audioein-/ausgabe für Chat Completions und konversationelle Abläufe.	Realtime S2S (Speech-to-Speech) mit geringerer Latenz für Live-Sprachagenten und Streaming-Szenarien.
Kontextfenster	128k Tokens.	32k Tokens (Realtime-Variante dokumentiert).
Maximale Ausgabetoken	16,384 (dokumentiert).	Typischerweise für kürzere Realtime-Antworten konfiguriert (in den Docs ist eine kleinere Maximalanzahl von Token aufgeführt).
Beste Nutzung	Chatbots, sprachfähige Assistenten, bei denen vollständige Chat-Semantik + Audio erforderlich sind.	Live-Sprachagenten, Kioske und latenzarme Konversationsoberflächen.

Repräsentative Anwendungsfälle

Konversationelle Sprachagenten für Kundensupport und interne Helpdesks.
Sprachfähige Assistenten in Apps, Geräten und Kiosken.
Freihändige Workflows (Diktat, Sprachsuche, Barrierefreiheit).
Multimodale Erlebnisse, die Audio mit Text/Bildern über Chat Completions kombinieren.

Einschränkungen und betriebliche Überlegungen

Kein Drop-in-Ersatz für menschliche QA: Validieren Sie in Produktionsabläufen Sprachausgaben und nachgelagerte Aktionen stets durch menschliche Prüfung.
Ressourcenplanung: Großer Kontext und Audio-I/O können Rechenaufwand und Latenz erhöhen – entwerfen Sie Streaming-/Segmentierungsstrategien für lange Sitzungen.
Sicherheits- und Richtlinieneinschränkungen: Sprachausgaben können persuasive Wirkung haben; befolgen Sie bei einem Einsatz im großen Maßstab die Sicherheitsrichtlinien und Leitplanken der Plattform.
So greifen Sie auf die GPT Audio 1.5 API zu

Schritt 1: Für API-Schlüssel registrieren

Melden Sie sich bei cometapi.com an. Wenn Sie noch kein Nutzer sind, registrieren Sie sich bitte zuerst. Melden Sie sich in Ihrer CometAPI-Konsole an. Rufen Sie den API-Schlüssel für den Zugriff auf die Schnittstelle ab. Klicken Sie im persönlichen Bereich beim API-Token auf „Add Token“, erhalten Sie den Token-Schlüssel: sk-xxxxx, und senden Sie ihn ab.

cometapi-key

Schritt 2: Anfragen an die GPT Audio 1.5 API senden

Wählen Sie den „gpt-audio-1.5“-Endpunkt, um die API-Anfrage zu senden, und legen Sie den Request-Body fest. Anfragemethode und Request-Body sind unserer Website-API-Dokumentation zu entnehmen. Unsere Website stellt außerdem einen Apifox-Test zu Ihrer Bequemlichkeit bereit. Ersetzen Sie <YOUR_API_KEY> durch Ihren tatsächlichen CometAPI-Schlüssel aus Ihrem Konto. Basis-URL ist Chat Completions

Fügen Sie Ihre Frage oder Anforderung in das Feld content ein — darauf antwortet das Modell. Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten.

Schritt 3: Ergebnisse abrufen und verifizieren

Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten. Nach der Verarbeitung antwortet die API mit dem Aufgabenstatus und den Ausgabedaten.

FAQ

Preisgestaltung

Nutzen Sie die obige Schnellschätzung für einen einzelnen Durchlauf und prüfen Sie anschließend den vollständigen Vergleich von CometAPI- und offiziellem Preis.

Erste Anfrage

$0.01

Geschätzte CometAPI-Nutzungskosten

Zehn Anfragen

$0.1

Geschätzte CometAPI-Nutzungskosten

Fünfzehn Anfragen

$0.15

Geschätzte CometAPI-Nutzungskosten

Preise für gpt-audio-1.5

Entdecken Sie wettbewerbsfähige Preise für gpt-audio-1.5, die für verschiedene Budgets und Nutzungsanforderungen konzipiert sind. Unsere flexiblen Tarife stellen sicher, dass Sie nur für das bezahlen, was Sie nutzen, und erleichtern die Skalierung entsprechend Ihren wachsenden Anforderungen. Erfahren Sie, wie gpt-audio-1.5 Ihre Projekte verbessern kann, während die Kosten überschaubar bleiben.

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

API

Kopieren Sie einen funktionierenden Endpunkt und ein Codebeispiel; öffnen Sie bei Bedarf die vollständige API-Referenz für alle Parameter.

Eine API, produktionsreifer Modellzugriff

Einmal authentifizieren, den Modell-Endpunkt aufrufen und denselben Abrechnungs- und Monitoring-Workflow anbieterübergreifend beibehalten.

POST/v1/chat/completions

Beispielcode und API für gpt-audio-1.5

Greifen Sie auf umfassende Beispielcodes und API-Ressourcen für gpt-audio-1.5 zu, um Ihren Integrationsprozess zu optimieren. Unsere detaillierte Dokumentation bietet schrittweise Anleitungen und hilft Ihnen dabei, das volle Potenzial von gpt-audio-1.5 in Ihren Projekten zu nutzen.

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}`);

Fähigkeiten

Prüfen Sie die wichtigsten Modellfakten, bevor Sie eine Architektur wählen oder die Produktionslast abschätzen.

Unterstützte Funktionen

Von der bestehenden Modell-API zurückgegebene Funktionen.

text-to-speech

Eingabe und Ausgabe

Eingaben

text

Ausgaben

audio

Produktionsprofil

Anbieter: OpenAI
Kontext: Modellabhängig
Kommerzielle Nutzung: Unterstützt

Anwendungsfälle

Nutzen Sie gpt-audio-1.5 für Produktions-Workflows entsprechend seiner audio-Fähigkeiten und vergleichen Sie Alternativen vor einer langfristigen Integration.

Sprach-, Musik- und Audiogenerierung

Sprach-Erlebnisse und Medienproduktion

Automatisierte Audio-Workflows im großen Maßstab

Weitere Modelle

Vergleichen Sie weitere über CometAPI verfügbare Modelle hinsichtlich Qualität, Latenz, Funktionsumfang und Preis.

Modellvergleich öffnen →

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.

Modell ansehen

OpenAI

GPT-Realtime-2

GPT-Realtime-2 ist unser leistungsfähigstes Echtzeit-Sprachmodell. Es unterstützt Sprache-zu-Sprache-Interaktionen mit konfigurierbarem Reasoning-Aufwand, verbesserter Befolgung von Anweisungen und zuverlässigerer Tool-Nutzung für komplexe Sprachagenten-Workflows.

Modell ansehen

OpenAI

gpt-realtime-1.5

Das beste Sprachmodell für Audioeingabe und -ausgabe.

Modell ansehen

OpenAI

TTS

OpenAI Text-zu-Sprache

Modell ansehen

Kling

Kling TTS

[Sprachsynthese] Neu eingeführt: Text-zu-Broadcast-Audio online, mit Vorschaufunktion ● Kann gleichzeitig eine audio_id erzeugen, verwendbar mit jeder Keling API.

Kling Video-zu-Audio

Uptime

Prüfen Sie Live-Heartbeat-Daten, Endpunktverfügbarkeit und gemessene Antwortzeiten vor dem Produktivbetrieb.

Weiter erkunden

Modelle vergleichen und Ihre Recherche fortsetzen

OpenAI

Verfügbar

gpt-audio-1.5

gpt-audio-1.5 API

Das beste Sprachmodell für Audioeingabe und -ausgabe mit Chat Completions.

Startpreis

$2.00 / 1 Mio. Eingabe-Tokens

Nutzungsbasierte Abrechnung

API-Status

Verfügbar

Produktions-Endpunkt

Antwortzeit

Asynchron bereit

Gemessene API-Antwortzeit

Veröffentlicht

Feb 24, 2026

OpenAI

Überblick

Ein praktischer Überblick über gpt-audio-1.5, einschließlich wichtigem Verhalten und Hinweisen zur Integration.

Technische Spezifikationen von gpt-audio-1.5

Element	gpt-audio-1.5 (öffentliche Spezifikationen)
Modellfamilie	GPT Audio-Familie (Audio-First-Variante)
Eingabetypen	Text, Audio (Spracheingabe)
Ausgabetypen	Text, Audio (Sprachausgabe), strukturierte Ausgaben (Funktionsaufrufe werden unterstützt)
Kontextfenster	128,000 Tokens.
Maximale Ausgabetoken	16,384 (in der zugehörigen gpt-audio-Auflistung dokumentiert).
Leistungsstufe	Höhere Intelligenz; mittlere Geschwindigkeit (ausgewogen).
Latenzprofil	Optimiert für Sprachinteraktionen (mittlere/niedrige Latenz je nach Endpunkt).
Verfügbarkeit	Chat Completions API (Audio Ein/Aus) und Plattform-Playgrounds; integriert über Realtime-/Sprachoberflächen hinweg.
Sicherheits-/Nutzungshinweise	Leitplanken für Sprachinhalte; behandeln Sie Modellausgaben mit den üblichen Sicherheitsprüfungen und Verifikationen für produktive Sprachagenten.

Hinweis: gpt-realtime-1.5 ist eine eng verwandte Realtime-Audio-/Sprach-First-Variante, optimiert für geringere Latenz und Realtime-Sitzungen; siehe Vergleich unten.

Was ist gpt-audio-1.5?

Hauptfunktionen

Sprach-Ein-/Ausgabe-Unterstützung: Verarbeitet gesprochene Eingaben und liefert gesprochene oder textuelle Antworten für natürliche Sprachabläufe.
Großer Kontext für Audio-Workflows: Unterstützt sehr großen Kontext (dokumentiert 128k Tokens) und ermöglicht mehrstufige, lange Gesprächsverläufe oder große multimodale Sitzungen.
Streaming- und Chat Completions-Kompatibilität: Funktioniert innerhalb von Chat Completions mit gestreamten Audioantworten und strukturierten Ausgaben über Funktionsaufrufe.
Ausgewogene Leistung/Latenz: Abgestimmt auf hochwertige Audioantworten bei mittlerem Durchsatz – geeignet für Chatbots und Sprachassistenten, bei denen Qualität zählt.
Ökosystem und Integrationen: Unterstützt in den Playgrounds der Plattform und verfügbar über offizielle Realtime-/Sprachendpunkte sowie Partnerintegrationen (Hinweise zu Azure/Microsoft Foundry verweisen auf ähnliche Audiomodelle).

gpt-audio-1.5 vs. verwandte Audiomodelle

Eigenschaft	gpt-audio-1.5	gpt-realtime-1.5
Primärer Fokus	Hochwertige Audioein-/ausgabe für Chat Completions und konversationelle Abläufe.	Realtime S2S (Speech-to-Speech) mit geringerer Latenz für Live-Sprachagenten und Streaming-Szenarien.
Kontextfenster	128k Tokens.	32k Tokens (Realtime-Variante dokumentiert).
Maximale Ausgabetoken	16,384 (dokumentiert).	Typischerweise für kürzere Realtime-Antworten konfiguriert (in den Docs ist eine kleinere Maximalanzahl von Token aufgeführt).
Beste Nutzung	Chatbots, sprachfähige Assistenten, bei denen vollständige Chat-Semantik + Audio erforderlich sind.	Live-Sprachagenten, Kioske und latenzarme Konversationsoberflächen.

Repräsentative Anwendungsfälle

Konversationelle Sprachagenten für Kundensupport und interne Helpdesks.
Sprachfähige Assistenten in Apps, Geräten und Kiosken.
Freihändige Workflows (Diktat, Sprachsuche, Barrierefreiheit).
Multimodale Erlebnisse, die Audio mit Text/Bildern über Chat Completions kombinieren.

Einschränkungen und betriebliche Überlegungen

Kein Drop-in-Ersatz für menschliche QA: Validieren Sie in Produktionsabläufen Sprachausgaben und nachgelagerte Aktionen stets durch menschliche Prüfung.
Ressourcenplanung: Großer Kontext und Audio-I/O können Rechenaufwand und Latenz erhöhen – entwerfen Sie Streaming-/Segmentierungsstrategien für lange Sitzungen.
Sicherheits- und Richtlinieneinschränkungen: Sprachausgaben können persuasive Wirkung haben; befolgen Sie bei einem Einsatz im großen Maßstab die Sicherheitsrichtlinien und Leitplanken der Plattform.
So greifen Sie auf die GPT Audio 1.5 API zu

Schritt 1: Für API-Schlüssel registrieren

cometapi-key

Schritt 2: Anfragen an die GPT Audio 1.5 API senden

Fügen Sie Ihre Frage oder Anforderung in das Feld content ein — darauf antwortet das Modell. Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten.

Schritt 3: Ergebnisse abrufen und verifizieren

Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten. Nach der Verarbeitung antwortet die API mit dem Aufgabenstatus und den Ausgabedaten.

FAQ

Preisgestaltung

Nutzen Sie die obige Schnellschätzung für einen einzelnen Durchlauf und prüfen Sie anschließend den vollständigen Vergleich von CometAPI- und offiziellem Preis.

Erste Anfrage

$0.01

Geschätzte CometAPI-Nutzungskosten

Zehn Anfragen

$0.1

Geschätzte CometAPI-Nutzungskosten

Fünfzehn Anfragen

$0.15

Geschätzte CometAPI-Nutzungskosten

Preise für gpt-audio-1.5

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

API

Kopieren Sie einen funktionierenden Endpunkt und ein Codebeispiel; öffnen Sie bei Bedarf die vollständige API-Referenz für alle Parameter.

Eine API, produktionsreifer Modellzugriff

Einmal authentifizieren, den Modell-Endpunkt aufrufen und denselben Abrechnungs- und Monitoring-Workflow anbieterübergreifend beibehalten.

POST/v1/chat/completions

Beispielcode und API für 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}`);

Fähigkeiten

Prüfen Sie die wichtigsten Modellfakten, bevor Sie eine Architektur wählen oder die Produktionslast abschätzen.

Unterstützte Funktionen

Von der bestehenden Modell-API zurückgegebene Funktionen.

text-to-speech

Eingabe und Ausgabe

Eingaben

text

Ausgaben

audio

Produktionsprofil

Anbieter: OpenAI
Kontext: Modellabhängig
Kommerzielle Nutzung: Unterstützt

Anwendungsfälle

Nutzen Sie gpt-audio-1.5 für Produktions-Workflows entsprechend seiner audio-Fähigkeiten und vergleichen Sie Alternativen vor einer langfristigen Integration.

Sprach-, Musik- und Audiogenerierung

Sprach-Erlebnisse und Medienproduktion

Automatisierte Audio-Workflows im großen Maßstab

Weitere Modelle

Vergleichen Sie weitere über CometAPI verfügbare Modelle hinsichtlich Qualität, Latenz, Funktionsumfang und Preis.

Modellvergleich öffnen →

Das beste Sprachmodell für Audioeingabe und -ausgabe.

Modell ansehen

OpenAI

TTS

OpenAI Text-zu-Sprache

Modell ansehen

Kling

Kling TTS

[Sprachsynthese] Neu eingeführt: Text-zu-Broadcast-Audio online, mit Vorschaufunktion ● Kann gleichzeitig eine audio_id erzeugen, verwendbar mit jeder Keling API.

Kling Video-zu-Audio

Uptime

Prüfen Sie Live-Heartbeat-Daten, Endpunktverfügbarkeit und gemessene Antwortzeiten vor dem Produktivbetrieb.

Weiter erkunden