What are the official context and output token limits for gpt-audio-1.5 API?

gpt-audio-1.5 unterstützt ein Kontextfenster von 128,000 Tokens, und die Dokumentation nennt eine maximale Ausgabetoken-Konfiguration von etwa 16,384; überprüfen Sie die genauen Limits pro Endpunkt in der Entwicklerdokumentation. :contentReference[oaicite:44]{index=44}

Can gpt-audio-1.5 handle both speech-to-text and text-to-speech in the API?

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

When should I use gpt-audio-1.5 vs gpt-realtime-1.5 for a voice agent?

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

Does gpt-audio-1.5 support streaming and function calling for tool integrations?

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

Is gpt-audio-1.5 suitable for production customer support voice agents?

Ja — es ist für Sprachassistenten und Conversational Agents konzipiert, jedoch sollten Sie vor dem Einsatz in der Produktion eine manuelle Überprüfung/QA, Logging und Sicherheitskontrollen hinzufügen. :contentReference[oaicite:48]{index=48}

What are the main limitations to consider when deploying gpt-audio-1.5?

Wesentliche Aspekte sind Compute-/Latenz-Trade-offs bei Audiositzungen mit großem Kontext, Sicherheitsleitplanken für Sprachinhalte sowie die Notwendigkeit, ASR/TTS-Ausgaben in Ihrer Domäne zu validieren. :contentReference[oaicite:49]{index=49}

O

gpt-audio-1.5

Eingabe:$2/M

Ausgabe:$8/M

Veröffentlicht:Feb 24, 2026

Neu

Kommerzielle Nutzung

Technische Spezifikationen von gpt-audio-1.5

Item	gpt-audio-1.5 (öffentliche Spezifikationen)
Model family	GPT-Audio-Familie (Audio-First-Variante)
Input types	Text, Audio (Spracheingabe)
Output types	Text, Audio (Sprachausgabe), strukturierte Ausgaben (Funktionsaufrufe werden unterstützt)
Context window	128,000 Tokens.
Max output tokens	16,384 (in der zugehörigen gpt-audio-Auflistung dokumentiert).
Performance tier	Höhere Intelligenz; mittlere Geschwindigkeit (ausgewogen).
Latency profile	Für Sprachinteraktionen optimiert (mittlere/niedrige Latenz je nach Endpoint).
Availability	Chat Completions API (Audio in/out) und Plattform-Playgrounds; integriert über Realtime-/Sprachoberflächen.
Safety / usage notes	Leitplanken für Sprachinhalte; Modellausgaben in produktiven Sprachagenten stets mit üblichen Sicherheits- und Prüfverfahren behandeln.

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

Was ist gpt-audio-1.5?

gpt-audio-1.5 ist ein Audio-fähiges GPT-Modell, das sowohl Spracheingabe als auch Sprachausgabe über die Chat Completions und verwandte Audio-fähige APIs unterstützt. Es ist als das wichtigste allgemein verfügbare Audiomodell positioniert, um Sprachagenten und Sprach-First-Erlebnisse mit einem ausgewogenen Verhältnis von Qualität und Geschwindigkeit zu realisieren.

Hauptfunktionen

Unterstützung für Spracheingabe/-ausgabe: Verarbeitet gesprochene Eingaben und liefert gesprochene oder textuelle Antworten für natürliche Sprachabläufe.
Großer Kontext für Audioworkflows: Unterstützt sehr großen Kontext (dokumentiert 128k Token) für mehrstufige, lange Gesprächsverläufe oder große multimodale Sitzungen.
Streaming- und Chat-Completions-Kompatibilität: Funktioniert innerhalb von Chat Completions mit gestreamten Audioantworten und strukturierten Ausgaben via Funktionsaufrufen.
Ausgewogenes Verhältnis von Leistung/Latenz: Abgestimmt, um Audioantworten in hoher Qualität bei mittlerem Durchsatz zu liefern – geeignet für Chatbots und Sprachassistenten, bei denen Qualität zählt.
Ökosystem und Integrationen: In den Playgrounds der Plattform unterstützt und über offizielle Realtime-/Sprachendpunkte und Partnerintegrationen verfügbar (Azure/Microsoft Foundry-Hinweise verweisen auf ähnliche Audiomodelle).

gpt-audio-1.5 vs. verwandte Audiomodelle

Property	gpt-audio-1.5	gpt-realtime-1.5
Primary focus	Hochwertige Audio-Ein-/Ausgabe für Chat Completions und Konversationsabläufe.	Realtime S2S (Speech-to-Speech) mit geringerer Latenz für Live-Sprachagenten und Streaming-Szenarien.
Context window	128k Token.	32k Token (Realtime-Variante dokumentiert).
Max output tokens	16,384 (dokumentiert).	Typischerweise für kürzere Echtzeitantworten konfiguriert (Dokumentation listet kleinere Max-Token).
Best use	Chatbots, sprachfähige Assistenten, bei denen vollständige Chatsemantik + Audio erforderlich sind.	Live-Sprachagenten, Kioske und latenzarme Gesprächsschnittstellen.

Repräsentative Anwendungsfälle

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

Einschränkungen und betriebliche Überlegungen

Kein direkter Ersatz für menschliche QA: Sprachausgaben und nachgelagerte Aktionen in Produktionsabläufen stets durch menschliche Prüfung validieren.
Ressourcenplanung: Großer Kontext und Audio-I/O können Rechenaufwand und Latenz erhöhen – entwerfen Sie Streaming-/Segmentierungsstrategien für lange Sitzungen.
Sicherheits- und Richtlinienbeschränkungen: Sprachausgaben können eine persuasive Wirkung haben; befolgen Sie bei skalierter Bereitstellung 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. Falls Sie noch kein Nutzer sind, registrieren Sie sich zuerst. Melden Sie sich in Ihrer CometAPI console an. Rufen Sie den API-Schlüssel für den Zugriff auf die Schnittstelle ab. Klicken Sie im persönlichen Zentrum beim API-Token auf „Add Token“, erhalten Sie den Token-Schlüssel: sk-xxxxx und senden Sie ihn ab.

CometAPI-Schlüssel

Schritt 2: Anfragen an die GPT Audio 1.5 API senden

Wählen Sie den „gpt-audio-1.5“-Endpoint, um die API-Anfrage zu senden, und setzen Sie den Request-Body. Anfragemethode und Request-Body entnehmen Sie der API-Dokumentation auf unserer Website. Unsere Website bietet zu Ihrer Bequemlichkeit auch einen Apifox-Test. Ersetzen Sie <YOUR_API_KEY> durch Ihren tatsächlichen CometAPI-Schlüssel aus Ihrem Konto. Die 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

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-Preis (USD / M Tokens)	Offizieller Preis (USD / M Tokens)	Rabatt
Eingabe:$2/M Ausgabe:$8/M	Eingabe:$2.5/M Ausgabe:$10/M	-20%

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

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}")

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}`);

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')
"