ModelosSoporteEmpresaBlog
500+ API de Modelos de IA, Todo en Una API. Solo en CometAPI
API de Modelos
Desarrollador
Inicio RápidoDocumentaciónPanel de API
Recursos
Modelos de IABlogEmpresaRegistro de cambiosAcerca de
2025 CometAPI. Todos los derechos reservados.Política de PrivacidadTérminos de Servicio
Home/Models/OpenAI/gpt-audio-1.5
O

gpt-audio-1.5

Entrada:$2/M
Salida:$8/M
El mejor modelo de voz para entrada y salida de audio con Chat Completions.
Nuevo
Uso comercial
Resumen
Características
Precios
API

Especificaciones técnicas de gpt-audio-1.5

Elementogpt-audio-1.5 (especificaciones públicas)
Familia del modeloFamilia GPT Audio (variante orientada al audio)
Tipos de entradaTexto, audio (entrada de voz)
Tipos de salidaTexto, audio (salida de voz), salidas estructuradas (se admiten llamadas a funciones)
Ventana de contexto128,000 tokens.
Máx. de tokens de salida16,384 (documentado en el listado relacionado de gpt-audio).
Nivel de rendimientoMayor inteligencia; Velocidad media (equilibrada).
Perfil de latenciaOptimizado para interacciones por voz (latencia media/baja según el endpoint).
DisponibilidadAPI de Chat Completions (audio de entrada/salida) y playgrounds de la plataforma; integrado en interfaces de tiempo real/voz.
Seguridad / notas de usoSalvaguardas para contenido de voz; trate las salidas del modelo con las medidas habituales de seguridad y verificación para agentes de voz en producción.

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

¿Qué es gpt-audio-1.5?

gpt-audio-1.5 es un modelo GPT con capacidades de audio que admite tanto entrada de voz como salida de voz mediante la API de Chat Completions y otras API con soporte de audio. Está posicionado como el principal modelo de audio de disponibilidad general para crear agentes de voz y experiencias orientadas a la voz, equilibrando calidad y velocidad.

Características principales

  1. Entrada por voz / salida por voz: Procesa entradas habladas y devuelve respuestas habladas o textuales para flujos de voz naturales.
  2. Contexto amplio para flujos de trabajo de audio: Soporta un contexto muy grande (documentado 128k tokens), lo que permite historiales de conversación de múltiples turnos o sesiones multimodales de gran tamaño.
  3. Compatibilidad con streaming y Chat Completions: Funciona dentro de Chat Completions con respuestas de audio en streaming y salidas estructuradas mediante llamadas a funciones.
  4. Rendimiento/latencia equilibrados: Ajustado para proporcionar respuestas de audio de alta calidad con rendimiento medio; adecuado para chatbots y asistentes de voz donde la calidad es importante.
  5. 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 frente a modelos de audio relacionados

Propiedadgpt-audio-1.5gpt-realtime-1.5
Enfoque principalAudio de alta calidad de entrada/salida para Chat Completions y flujos conversacionales.S2S (voz a voz) en tiempo real con menor latencia para agentes de voz en vivo y escenarios de streaming.
Ventana de contexto128k tokens.32k tokens (variante en tiempo real documentada).
Máx. de tokens de salida16,384 (documentado).Normalmente configurado para respuestas en tiempo real más cortas (la documentación indica un máximo de tokens menor).
Mejor usoChatbots y asistentes habilitados para voz donde se requieren semánticas completas de chat + 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 capacidades de voz integrados en apps, 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 contexto grande 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 salvaguardas al desplegar a escala.
  • Cómo acceder a la API de GPT Audio 1.5

Paso 1: Regístrese para obtener la clave de API

Inicie sesión en cometapi.com. Si aún no es usuario, regístrese primero. Inicie sesión en 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 establezca el cuerpo de la solicitud. El método y el cuerpo de la solicitud se obtienen de la documentación de la API en nuestro sitio web. Nuestro sitio también ofrece pruebas en Apifox para su conveniencia. Sustituya <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 lo que el modelo responderá. Procese la respuesta de la API para obtener la respuesta generada.

Paso 3: Recuperar y verificar los 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

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

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

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

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

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

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

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

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

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

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

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

Características para gpt-audio-1.5

Explora las características clave de gpt-audio-1.5, diseñado para mejorar el rendimiento y la usabilidad. Descubre cómo estas capacidades pueden beneficiar tus proyectos y mejorar la experiencia del usuario.

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.
Precio de Comet (USD / M Tokens)Precio Oficial (USD / M Tokens)Descuento
Entrada:$2/M
Salida:$8/M
Entrada:$2.5/M
Salida:$10/M
-20%

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
Python
JavaScript
Curl
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')
"

Más modelos

O

gpt-realtime-1.5

Entrada:$3.2/M
Salida:$12.8/M
El mejor modelo de voz para audio de entrada y de salida.
O

Whisper-1

Entrada:$24/M
Salida:$24/M
Transcripción de voz a texto, creación de traducciones
O

TTS

Entrada:$12/M
Salida:$12/M
Texto a voz de OpenAI
K

Kling TTS

Por Solicitud:$0.006608
[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.
K

Kling video-to-audio

K

Kling video-to-audio

Por Solicitud:$0.03304
Kling video-a-audio
K

Kling text-to-audio

K

Kling text-to-audio

Por Solicitud:$0.03304
Kling texto a audio