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

gpt-audio-1.5 prend en charge une fenêtre de contexte de 128 000 jetons, et la documentation indique une configuration maximale d’environ 16 384 jetons de sortie ; vérifiez les limites exactes pour chaque point de terminaison dans la documentation développeur. :contentReference[oaicite:44]{index=44}

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

Oui — il accepte des entrées audio et peut renvoyer des sorties audio ou des réponses textuelles via les points de terminaison 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?

Choisissez gpt-audio-1.5 pour un audio de meilleure qualité dans les flux Chat Completions nécessitant un contexte plus large ; choisissez gpt-realtime-1.5 pour des interactions vocales en direct à faible latence avec diffusion en continu. :contentReference[oaicite:46]{index=46}

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

Oui — le modèle prend en charge le streaming de réponses audio et les sorties structurées/appels de fonctions pour intégrer des outils et des workflows externes. :contentReference[oaicite:47]{index=47}

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

Oui — il est conçu pour les assistants vocaux et les agents conversationnels, mais vous devriez ajouter un examen humain/QA, une journalisation et des contrôles de sécurité avant un déploiement en production. :contentReference[oaicite:48]{index=48}

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

Les principaux points à considérer sont les compromis calcul/latence pour les sessions audio avec un contexte important, les garde-fous de sécurité pour les contenus vocaux, et la nécessité de valider les sorties ASR/TTS dans votre domaine. :contentReference[oaicite:49]{index=49}

API gpt-audio-1.5 Abordable | text-to-speech

Spécifications techniques de gpt-audio-1.5

Élément	gpt-audio-1.5 (spécifications publiques)
Famille de modèles	Famille GPT Audio (variante orientée audio en premier)
Types d’entrée	Texte, audio (speech in)
Types de sortie	Texte, audio (speech out), sorties structurées (appels de fonction pris en charge)
Fenêtre de contexte	128,000 jetons.
Jetons max en sortie	16,384 (documenté dans la fiche gpt-audio correspondante).
Niveau de performance	Intelligence élevée ; vitesse moyenne (équilibrée).
Profil de latence	Optimisé pour les interactions vocales (latence moyenne/basse selon le point de terminaison).
Disponibilité	Chat Completions API (audio entrée/sortie) et playgrounds de la plateforme ; intégré sur les interfaces temps réel/voix.
Notes de sécurité / d’utilisation	Garde-fous pour le contenu vocal ; traitez les sorties du modèle avec les pratiques habituelles de sécurité et de vérification pour des agents vocaux en production.

Remarque : gpt-realtime-1.5 est une variante temps réel apparentée, orientée audio/voix en premier, optimisée pour une latence plus faible et des sessions en temps réel ; voir la comparaison ci-dessous.

Qu’est-ce que gpt-audio-1.5 ?

gpt-audio-1.5 est un modèle GPT compatible audio qui prend en charge l’entrée vocale et la sortie vocale via les Chat Completions et les API compatibles audio associées. Il est positionné comme le principal modèle audio généralement disponible pour créer des agents vocaux et des expériences « voix d’abord », tout en équilibrant qualité et vitesse.

Principales fonctionnalités

Prise en charge speech-in / speech-out : Traiter les entrées parlées et renvoyer des réponses parlées ou textuelles pour des flux vocaux naturels.
Grande fenêtre de contexte pour les workflows audio : Prend en charge une très grande fenêtre de contexte (documentée à 128k jetons) permettant des historiques de conversations multi-tours ou des sessions multimodales longues.
Compatibilité streaming et Chat Completions : Fonctionne dans Chat Completions avec des réponses audio en streaming et des sorties structurées via appels de fonction.
Performances/latence équilibrées : Ajusté pour fournir des réponses audio de haute qualité avec un débit moyen—adapté aux chatbots et assistants vocaux où la qualité prime.
Écosystème et intégrations : Pris en charge dans les playgrounds de la plateforme et disponible sur les points de terminaison officiels temps réel/voix et les intégrations partenaires (les notes Azure/Microsoft Foundry font référence à des modèles audio similaires).

gpt-audio-1.5 vs modèles audio apparentés

Propriété	gpt-audio-1.5	gpt-realtime-1.5
Objectif principal	Audio de haute qualité en entrée/sortie pour Chat Completions et flux conversationnels.	S2S en temps réel (parole à parole) avec latence plus faible pour des agents vocaux en direct et des scénarios de streaming.
Fenêtre de contexte	128k jetons.	32k jetons (variante temps réel documentée).
Jetons max en sortie	16,384 (documenté).	Généralement configuré pour des réponses temps réel plus courtes (la doc mentionne un maximum plus petit).
Meilleur usage	Chatbots, assistants à commande vocale nécessitant la sémantique complète du chat + audio.	Agents vocaux en direct, bornes interactives et interfaces conversationnelles à faible latence.

Cas d’utilisation représentatifs

Agents conversationnels vocaux pour le support client et les centres d’assistance internes.
Assistants à commande vocale intégrés dans des applications, appareils et bornes.
Workflows mains libres (dictée, recherche vocale, accessibilité).
Expériences multimodales mêlant audio et texte/images via Chat Completions.

Limites et considérations opérationnelles

Pas un substitut direct à une QA humaine : Toujours valider les sorties vocales et les actions en aval avec une relecture humaine dans les flux de production.
Planification des ressources : La grande fenêtre de contexte et l’E/S audio peuvent augmenter la consommation de calcul et la latence—concevez des stratégies de streaming/segmentation pour les longues sessions.
Contraintes de sécurité et de politique : Les sorties vocales peuvent avoir un pouvoir de persuasion ; suivez les lignes directrices de sécurité de la plateforme et mettez en place des garde-fous lors d’un déploiement à grande échelle.
Comment accéder à l’API GPT Audio 1.5

Étape 1 : S’inscrire pour obtenir une clé API

Connectez-vous à cometapi.com. Si vous n’êtes pas encore utilisateur, veuillez d’abord vous inscrire. Connectez-vous à votre console CometAPI. Obtenez la clé API d’accès de l’interface. Cliquez sur “Add Token” dans la section API token du centre personnel, récupérez la clé de jeton : sk-xxxxx et soumettez.

clé CometAPI

Étape 2 : Envoyer des requêtes à l’API GPT Audio 1.5

Sélectionnez l’endpoint “gpt-audio-1.5” pour envoyer la requête API et définissez le corps de la requête. La méthode et le corps de la requête sont disponibles dans la documentation API de notre site. Notre site fournit également des tests Apifox pour votre convenance. Remplacez <YOUR_API_KEY> par votre clé CometAPI réelle issue de votre compte. L’URL de base est Chat Completions

Insérez votre question ou votre demande dans le champ de contenu—c’est à cela que le modèle répondra. Traitez la réponse de l’API pour obtenir la réponse générée.

Étape 3 : Récupérer et vérifier les résultats

Traitez la réponse de l’API pour obtenir la réponse générée. Après traitement, l’API répond avec le statut de la tâche et les données de sortie.

Tarification pour gpt-audio-1.5

Découvrez des tarifs compétitifs pour gpt-audio-1.5, conçus pour s'adapter à différents budgets et besoins d'utilisation. Nos formules flexibles garantissent que vous ne payez que ce que vous utilisez, ce qui facilite l'adaptation à mesure que vos besoins évoluent. Découvrez comment gpt-audio-1.5 peut améliorer vos projets tout en maîtrisant les coûts.

Prix de Comet (USD / M Tokens)	Prix officiel (USD / M Tokens)	Remise
Entrée:$2/M Sortie:$8/M	Entrée:$2.5/M Sortie:$10/M	-20%

Exemple de code et API pour gpt-audio-1.5

Accédez à des exemples de code complets et aux ressources API pour gpt-audio-1.5 afin de simplifier votre processus d'intégration. Notre documentation détaillée fournit des instructions étape par étape pour vous aider à exploiter tout le potentiel de gpt-audio-1.5 dans vos projets.

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')
"

gpt-audio-1.5