¿Cuándo debería usar gpt-audio-1.5 frente a gpt-realtime-1.5 para un agente de voz?

Elija gpt-audio-1.5 para audio de mayor calidad en flujos de Chat Completions donde se requiera un contexto más amplio; elija gpt-realtime-1.5 para interacciones de voz en tiempo real y de baja latencia. :contentReference[oaicite:46]{index=46}

¿Es gpt-audio-1.5 adecuado para agentes de voz de atención al cliente en producción?

Sí — está diseñado para asistentes de voz y agentes conversacionales, pero debería añadir revisión/QA humana, registro y controles de seguridad antes del despliegue en producción. :contentReference[oaicite:48]{index=48}

¿Cuáles son las principales limitaciones a considerar al desplegar gpt-audio-1.5?

Las consideraciones clave son las compensaciones entre cómputo y latencia para sesiones de audio con contexto amplio, las salvaguardas de seguridad para el contenido de voz y la necesidad de validar las salidas de ASR/TTS en su dominio. :contentReference[oaicite:49]{index=49}

¿Puede gpt-audio-1.5 manejar tanto voz a texto como texto a voz en la API?

Sí — acepta entradas de audio y puede devolver salidas de audio o respuestas textuales a través de los endpoints de Chat Completions/audio. :contentReference[oaicite:45]{index=45}

¿Cuáles son los límites oficiales de tokens de contexto y de salida para la API de gpt-audio-1.5?

gpt-audio-1.5 admite una ventana de contexto de 128,000 tokens y la documentación indica una configuración máxima de tokens de salida en torno a 16,384; verifique los límites exactos por endpoint en la documentación para desarrolladores. :contentReference[oaicite:44]{index=44}

¿gpt-audio-1.5 admite streaming y llamadas a funciones para integraciones con herramientas?

Sí — el modelo admite respuestas de audio en streaming y salidas estructuradas/llamadas a funciones para integrar herramientas y flujos de trabajo externos. :contentReference[oaicite:47]{index=47}

OpenAI

Disponible

gpt-audio-1.5

gpt-audio-1.5 API

El mejor modelo de voz para entrada y salida de audio con Chat Completions.

Precio inicial

$2.00 / 1M de tokens de entrada

Facturación por uso

Estado de la API

Disponible

Endpoint de producción

Respuesta

Listo para async

Tiempo de respuesta de la API observado

Publicado

Feb 24, 2026

OpenAI

Resumen

Una descripción práctica de gpt-audio-1.5, con comportamientos importantes y consideraciones de integración.

Especificaciones técnicas de gpt-audio-1.5

Elemento	gpt-audio-1.5 (especificaciones públicas)
Familia del modelo	Familia GPT Audio (variante orientada al audio)
Tipos de entrada	Texto, audio (entrada de voz)
Tipos de salida	Texto, audio (salida de voz), salidas estructuradas (se admiten llamadas a funciones)
Ventana de contexto	128,000 tokens.
Máximo de tokens de salida	16,384 (documentado en la lista relacionada de gpt-audio).
Nivel de rendimiento	Mayor inteligencia; velocidad media (equilibrado).
Perfil de latencia	Optimizado para interacciones de voz (latencia media/baja según el endpoint).
Disponibilidad	Chat Completions API (audio in/out) y playgrounds de la plataforma; integrado en superficies en tiempo real/voz.
Notas de seguridad/uso	Salvaguardas para contenido de voz; trate las salidas del modelo con las prácticas habituales de seguridad y verificación para agentes de voz en producción.

Nota: gpt-realtime-1.5 es una variante en tiempo real, orientada a audio/voz, estrechamente relacionada y optimizada para menor latencia y sesiones en tiempo real; compárese a continuación.

¿Qué es gpt-audio-1.5?

gpt-audio-1.5 es un modelo GPT con capacidad de audio que admite tanto entrada de voz como salida de voz a través de Chat Completions y APIs relacionadas compatibles con audio. Se posiciona como el principal modelo de audio de disponibilidad general para crear agentes de voz y experiencias centradas en la voz, equilibrando calidad y velocidad.

Características principales

Compatibilidad con entrada/salida de voz: Admite entrada hablada y devuelve respuestas habladas o textuales para flujos de voz naturales.
Gran contexto para flujos de trabajo de audio: Admite un contexto muy grande (128k tokens documentados) que permite historial de conversación de múltiples turnos, conversaciones largas o sesiones multimodales grandes.
Compatibilidad con streaming y Chat Completions: Funciona dentro de Chat Completions con respuestas de audio en streaming y salidas estructuradas mediante llamadas a funciones.
Rendimiento/latencia equilibrados: Ajustado para ofrecer respuestas de audio de alta calidad con un rendimiento medio, adecuado para chatbots y asistentes de voz donde la calidad importa.
Ecosistema e integraciones: Compatible con los playgrounds de la plataforma y disponible en endpoints oficiales de tiempo real/voz y en integraciones con partners (las notas de Azure/Microsoft Foundry hacen referencia a modelos de audio similares).

gpt-audio-1.5 vs modelos de audio relacionados

Propiedad	gpt-audio-1.5	gpt-realtime-1.5
Enfoque principal	Audio de alta calidad de entrada/salida para Chat Completions y flujos conversacionales.	S2S en tiempo real (voz a voz) con menor latencia para agentes de voz en vivo y escenarios de streaming.
Ventana de contexto	128k tokens.	32k tokens (variante en tiempo real documentada).
Máximo de tokens de salida	16,384 (documentado).	Normalmente configurado para respuestas en tiempo real más cortas (la documentación indica un máximo de tokens menor).
Mejor uso	Chatbots y asistentes con voz donde se requieren semántica de chat completa + audio.	Agentes de voz en vivo, quioscos e interfaces conversacionales de baja latencia.

Casos de uso representativos

Agentes de voz conversacionales para soporte al cliente y mesas de ayuda internas.
Asistentes con voz integrados en aplicaciones, dispositivos y quioscos.
Flujos de trabajo manos libres (dictado, búsqueda por voz, accesibilidad).
Experiencias multimodales que combinan audio con texto / imágenes mediante Chat Completions.

Limitaciones y consideraciones operativas

No es un sustituto directo del control de calidad humano: Siempre valide las salidas de voz y las acciones posteriores con revisión humana en flujos de producción.
Planificación de recursos: El gran contexto y la E/S de audio pueden aumentar el cómputo y la latencia; diseñe estrategias de streaming/segmentación para sesiones largas.
Restricciones de seguridad y políticas: Las salidas de voz pueden tener poder persuasivo; siga las directrices de seguridad de la plataforma y las salvaguardas al desplegar a escala.
Cómo acceder a la API de GPT Audio 1.5

Paso 1: Regístrese para obtener una clave de API

Inicie sesión en cometapi.com. Si aún no es usuario, regístrese primero. Acceda a su Consola de CometAPI. Obtenga la clave de API de credenciales de acceso de la interfaz. Haga clic en “Add Token” en el token de la API en el centro personal, obtenga la clave del token: sk-xxxxx y envíe.

cometapi-key

Paso 2: Envíe solicitudes a la API de GPT Audio 1.5

Seleccione el endpoint “gpt-audio-1.5” para enviar la solicitud a la API y configure el cuerpo de la solicitud. El método de solicitud y el cuerpo de la solicitud se obtienen de la documentación de la API en nuestro sitio web. Nuestro sitio web también proporciona pruebas en Apifox para su conveniencia. Reemplace <YOUR_API_KEY> por su clave real de CometAPI de su cuenta. La URL base es Chat Completions

Inserte su pregunta o solicitud en el campo content — esto es a lo que responderá el modelo. Procese la respuesta de la API para obtener la respuesta generada.

Paso 3: Recuperar y verificar resultados

Procese la respuesta de la API para obtener la respuesta generada. Tras el procesamiento, la API responde con el estado de la tarea y los datos de salida.

Preguntas frecuentes

Precios

Usa la estimación rápida anterior para una sola ejecución y luego revisa la comparación completa entre CometAPI y el precio oficial.

Primera solicitud

$0.01

Costo de uso estimado de CometAPI

Diez solicitudes

$0.1

Costo de uso estimado de CometAPI

Quince solicitudes

$0.15

Costo de uso estimado de CometAPI

Precios para gpt-audio-1.5

Explora precios competitivos para gpt-audio-1.5, diseñado para adaptarse a diversos presupuestos y necesidades de uso. Nuestros planes flexibles garantizan que solo pagues por lo que uses, facilitando el escalado a medida que crecen tus requisitos. Descubre cómo gpt-audio-1.5 puede mejorar tus proyectos mientras mantienes los costos manejables.

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

API

Copia un endpoint y un ejemplo de código funcionales, y abre la referencia completa de la API cuando necesites todos los parámetros.

Una API, acceso a modelos listo para producción

Autentícate una vez, llama al endpoint del modelo y mantén el mismo flujo de facturación y observabilidad entre proveedores.

POST/v1/chat/completions

Código de ejemplo y API para gpt-audio-1.5

Accede a código de muestra completo y recursos de API para gpt-audio-1.5 para agilizar tu proceso de integración. Nuestra documentación detallada proporciona orientación paso a paso, ayudándote a aprovechar todo el potencial de gpt-audio-1.5 en tus proyectos.

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}`);

Capacidades

Revisa los datos clave del modelo antes de elegir una arquitectura o estimar la carga de producción.

Capacidades compatibles

Funciones devueltas por la API del modelo existente.

text-to-speech

Entrada y salida

Entradas

text

Salidas

audio

Perfil de producción

Proveedor: OpenAI
Contexto: Depende del modelo
Uso comercial: Compatible

Casos de uso

Usa gpt-audio-1.5 en flujos de producción que coincidan con sus capacidades de audio, y compara alternativas antes de comprometerte con una integración a largo plazo.

Generación de voz, música y audio

Experiencias de voz y producción de medios

Flujos de trabajo de audio automatizados a gran escala

Otros modelos

Compara otros modelos disponibles en CometAPI según calidad, latencia, capacidades y precio.

Abrir comparación de modelos →

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.

Ver modelo

OpenAI

GPT-Realtime-2

GPT-Realtime-2 es nuestro modelo de voz en tiempo real más capaz. Admite interacciones de voz a voz con un nivel de razonamiento configurable, un seguimiento de instrucciones más sólido y un uso de herramientas más fiable para flujos de trabajo complejos de agentes de voz.

Ver modelo

OpenAI

gpt-realtime-1.5

El mejor modelo de voz para audio de entrada y de salida.

Ver modelo

OpenAI

TTS

Texto a voz de OpenAI

Ver modelo

Kling

Kling TTS

[Síntesis de voz] Recién lanzado: texto a voz de calidad de emisión en línea, con función de vista previa ● Puede generar simultáneamente audio_id, utilizable con cualquier Keling API.

Kling video-a-audio

Uptime

Revisa los datos de latido en vivo, la disponibilidad del endpoint y los tiempos de respuesta observados antes de pasar a producción.

Sigue explorando

Compara modelos y continúa tu investigación

OpenAI

Disponible

gpt-audio-1.5

gpt-audio-1.5 API

El mejor modelo de voz para entrada y salida de audio con Chat Completions.

Precio inicial

$2.00 / 1M de tokens de entrada

Facturación por uso

Estado de la API

Disponible

Endpoint de producción

Respuesta

Listo para async

Tiempo de respuesta de la API observado

Publicado

Feb 24, 2026

OpenAI

Resumen

Una descripción práctica de gpt-audio-1.5, con comportamientos importantes y consideraciones de integración.

Especificaciones técnicas de gpt-audio-1.5

Elemento	gpt-audio-1.5 (especificaciones públicas)
Familia del modelo	Familia GPT Audio (variante orientada al audio)
Tipos de entrada	Texto, audio (entrada de voz)
Tipos de salida	Texto, audio (salida de voz), salidas estructuradas (se admiten llamadas a funciones)
Ventana de contexto	128,000 tokens.
Máximo de tokens de salida	16,384 (documentado en la lista relacionada de gpt-audio).
Nivel de rendimiento	Mayor inteligencia; velocidad media (equilibrado).
Perfil de latencia	Optimizado para interacciones de voz (latencia media/baja según el endpoint).
Disponibilidad	Chat Completions API (audio in/out) y playgrounds de la plataforma; integrado en superficies en tiempo real/voz.
Notas de seguridad/uso	Salvaguardas para contenido de voz; trate las salidas del modelo con las prácticas habituales de seguridad y verificación para agentes de voz en producción.

Nota: gpt-realtime-1.5 es una variante en tiempo real, orientada a audio/voz, estrechamente relacionada y optimizada para menor latencia y sesiones en tiempo real; compárese a continuación.

¿Qué es gpt-audio-1.5?

Características principales

Compatibilidad con entrada/salida de voz: Admite entrada hablada y devuelve respuestas habladas o textuales para flujos de voz naturales.
Gran contexto para flujos de trabajo de audio: Admite un contexto muy grande (128k tokens documentados) que permite historial de conversación de múltiples turnos, conversaciones largas o sesiones multimodales grandes.
Compatibilidad con streaming y Chat Completions: Funciona dentro de Chat Completions con respuestas de audio en streaming y salidas estructuradas mediante llamadas a funciones.
Rendimiento/latencia equilibrados: Ajustado para ofrecer respuestas de audio de alta calidad con un rendimiento medio, adecuado para chatbots y asistentes de voz donde la calidad importa.
Ecosistema e integraciones: Compatible con los playgrounds de la plataforma y disponible en endpoints oficiales de tiempo real/voz y en integraciones con partners (las notas de Azure/Microsoft Foundry hacen referencia a modelos de audio similares).

gpt-audio-1.5 vs modelos de audio relacionados

Propiedad	gpt-audio-1.5	gpt-realtime-1.5
Enfoque principal	Audio de alta calidad de entrada/salida para Chat Completions y flujos conversacionales.	S2S en tiempo real (voz a voz) con menor latencia para agentes de voz en vivo y escenarios de streaming.
Ventana de contexto	128k tokens.	32k tokens (variante en tiempo real documentada).
Máximo de tokens de salida	16,384 (documentado).	Normalmente configurado para respuestas en tiempo real más cortas (la documentación indica un máximo de tokens menor).
Mejor uso	Chatbots y asistentes con voz donde se requieren semántica de chat completa + audio.	Agentes de voz en vivo, quioscos e interfaces conversacionales de baja latencia.

Casos de uso representativos

Agentes de voz conversacionales para soporte al cliente y mesas de ayuda internas.
Asistentes con voz integrados en aplicaciones, dispositivos y quioscos.
Flujos de trabajo manos libres (dictado, búsqueda por voz, accesibilidad).
Experiencias multimodales que combinan audio con texto / imágenes mediante Chat Completions.

Limitaciones y consideraciones operativas

No es un sustituto directo del control de calidad humano: Siempre valide las salidas de voz y las acciones posteriores con revisión humana en flujos de producción.
Planificación de recursos: El gran contexto y la E/S de audio pueden aumentar el cómputo y la latencia; diseñe estrategias de streaming/segmentación para sesiones largas.
Restricciones de seguridad y políticas: Las salidas de voz pueden tener poder persuasivo; siga las directrices de seguridad de la plataforma y las salvaguardas al desplegar a escala.
Cómo acceder a la API de GPT Audio 1.5

Paso 1: Regístrese para obtener una clave de API

cometapi-key

Paso 2: Envíe solicitudes a la API de GPT Audio 1.5

Inserte su pregunta o solicitud en el campo content — esto es a lo que responderá el modelo. Procese la respuesta de la API para obtener la respuesta generada.

Paso 3: Recuperar y verificar resultados

Procese la respuesta de la API para obtener la respuesta generada. Tras el procesamiento, la API responde con el estado de la tarea y los datos de salida.

Preguntas frecuentes

Precios

Usa la estimación rápida anterior para una sola ejecución y luego revisa la comparación completa entre CometAPI y el precio oficial.

Primera solicitud

$0.01

Costo de uso estimado de CometAPI

Diez solicitudes

$0.1

Costo de uso estimado de CometAPI

Quince solicitudes

$0.15

Costo de uso estimado de CometAPI

Precios para gpt-audio-1.5

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

API

Copia un endpoint y un ejemplo de código funcionales, y abre la referencia completa de la API cuando necesites todos los parámetros.

Una API, acceso a modelos listo para producción

Autentícate una vez, llama al endpoint del modelo y mantén el mismo flujo de facturación y observabilidad entre proveedores.

POST/v1/chat/completions

Código de ejemplo y API para 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}`);

Capacidades

Revisa los datos clave del modelo antes de elegir una arquitectura o estimar la carga de producción.

Capacidades compatibles

Funciones devueltas por la API del modelo existente.

text-to-speech

Entrada y salida

Entradas

text

Salidas

audio

Perfil de producción

Proveedor: OpenAI
Contexto: Depende del modelo
Uso comercial: Compatible

Casos de uso

Usa gpt-audio-1.5 en flujos de producción que coincidan con sus capacidades de audio, y compara alternativas antes de comprometerte con una integración a largo plazo.

Generación de voz, música y audio

Experiencias de voz y producción de medios

Flujos de trabajo de audio automatizados a gran escala

Otros modelos

Compara otros modelos disponibles en CometAPI según calidad, latencia, capacidades y precio.

Abrir comparación de modelos →

El mejor modelo de voz para audio de entrada y de salida.

Ver modelo

OpenAI

TTS

Texto a voz de OpenAI

Ver modelo

Kling

Kling TTS

[Síntesis de voz] Recién lanzado: texto a voz de calidad de emisión en línea, con función de vista previa ● Puede generar simultáneamente audio_id, utilizable con cualquier Keling API.

Kling video-a-audio

Uptime

Revisa los datos de latido en vivo, la disponibilidad del endpoint y los tiempos de respuesta observados antes de pasar a producción.

Sigue explorando