Quand dois-je utiliser gpt-audio-1.5 plutôt que gpt-realtime-1.5 pour un agent vocal ?

Choisissez gpt-audio-1.5 pour une qualité audio supérieure dans les flux de Chat Completions où un contexte plus large est nécessaire; choisissez gpt-realtime-1.5 pour des interactions vocales en streaming en direct à faible latence. :contentReference[oaicite:46]{index=46}

gpt-audio-1.5 convient-il aux agents vocaux de service client en production ?

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

Quelles sont les principales limites à prendre en compte lors du déploiement de gpt-audio-1.5 ?

Les points clés à prendre en compte sont les compromis calcul/latence pour les sessions audio à grand contexte, 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}

gpt-audio-1.5 peut-il gérer à la fois la conversion voix‑vers‑texte et texte‑vers‑voix dans l’API ?

Oui — il accepte des entrées audio et peut renvoyer des sorties audio ou des réponses textuelles via les endpoints Chat Completions/audio. :contentReference[oaicite:45]{index=45}

Quelles sont les limites officielles de contexte et de jetons de sortie pour l’API gpt-audio-1.5 ?

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

gpt-audio-1.5 prend-il en charge le streaming et l’appel de fonctions pour l’intégration d’outils ?

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

OpenAI

Disponible

gpt-audio-1.5

gpt-audio-1.5 API

Le meilleur modèle vocal pour l’audio en entrée et en sortie avec Chat Completions.

Prix de départ

$2.00 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Disponible

Point de terminaison de production

Réponse

Prêt pour l'asynchrone

Temps de réponse API observé

Date de publication

Feb 24, 2026

OpenAI

Aperçu

Un aperçu pratique de gpt-audio-1.5, avec les comportements importants et les points d'attention pour l'intégration.

Caractéristiques techniques de gpt-audio-1.5

Élément	gpt-audio-1.5 (spécifications publiques)
Famille de modèles	Famille GPT Audio (variante axée sur l’audio)
Types d’entrée	Texte, audio (parole en entrée)
Types de sortie	Texte, audio (parole en sortie), sorties structurées (appels de fonctions pris en charge)
Fenêtre de contexte	128,000 jetons.
Nombre maximal de jetons en sortie	16,384 (documenté dans la liste gpt-audio associée).
Niveau de performance	Intelligence supérieure ; vitesse moyenne (équilibrée).
Profil de latence	Optimisé pour les interactions vocales (latence moyenne/faible selon le point de terminaison).
Disponibilité	API Chat Completions (audio entrée/sortie) et espaces de test de la plateforme ; intégré sur les interfaces temps réel/voix.
Sécurité / notes d’utilisation	Garde-fous pour le contenu vocal ; traitez les sorties du modèle avec les précautions et vérifications habituelles pour des agents vocaux en production.

Remarque : gpt-realtime-1.5 est une variante audio/voix en temps réel étroitement liée, 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 API Chat Completions et autres API compatibles audio. Il est positionné comme le principal modèle audio généralement disponible pour concevoir des agents vocaux et des expériences axées sur la voix, tout en conciliant qualité et vitesse.

Fonctionnalités principales

Prise en charge entrée vocale / sortie vocale : Gère l’entrée parlée et renvoie des réponses vocales ou textuelles pour des échanges vocaux naturels.
Contexte étendu pour les workflows audio : Prend en charge un très grand contexte (128k jetons documentés), permettant un historique de conversation multi‑tours, long, ou des sessions multimodales de grande taille.
Streaming et compatibilité Chat Completions : Fonctionne dans Chat Completions avec des réponses audio en streaming et des sorties structurées via appels de fonctions.
Performances/latence équilibrées : Réglé pour fournir des réponses audio de haute qualité avec un débit moyen — adapté aux chatbots et aux assistants vocaux où la qualité prime.
Écosystème et intégrations : Pris en charge dans les espaces de test de la plateforme et disponible sur les points de terminaison officiels temps réel/voix et via des intégrations partenaires (les notes Azure/Microsoft Foundry font référence à des modèles audio similaires).

gpt-audio-1.5 vs modèles audio associés

Propriété	gpt-audio-1.5	gpt-realtime-1.5
Objectif principal	Audio E/S de haute qualité pour Chat Completions et les flux conversationnels.	S2S en temps réel (speech‑to‑speech) avec latence réduite pour des agents vocaux en direct et des scénarios de streaming.
Fenêtre de contexte	128k jetons.	32k jetons (variante temps réel documentée).
Nombre maximal de jetons en sortie	16,384 (documenté).	Généralement configuré pour des réponses temps réel plus courtes (la documentation indique un nombre maximal de jetons plus faible).
Cas d’usage recommandés	Chatbots, assistants vocaux où les sémantiques complètes du chat + l’audio sont requis.	Agents vocaux en direct, kiosques et interfaces conversationnelles à faible latence.

Cas d’usage représentatifs

Agents vocaux conversationnels pour l’assistance client et les centres d’aide internes.
Assistants à commande vocale intégrés aux applications, appareils et kiosques.
Flux de travail mains libres (dictée, recherche vocale, accessibilité).
Expériences multimodales mêlant audio et texte/images via Chat Completions.

Limitations et considérations opérationnelles

Ne remplace pas directement l’assurance qualité (QA) humaine : Validez toujours les sorties vocales et les actions en aval avec un contrôle humain dans les flux de production.
Planification des ressources : Un grand contexte et les E/S audio peuvent accroître le calcul et la latence — concevez des stratégies de streaming/segmentation pour les longues sessions.
Contraintes de sécurité et de politique : Les sorties vocales peuvent être persuasives ; suivez les directives et garde‑fous de la plateforme lors d’un déploiement à l’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 des jetons API du centre personnel, obtenez la clé de jeton : sk-xxxxx et validez.

cometapi-key

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

Sélectionnez le point de terminaison « 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 fournis dans la documentation API de notre site web. Notre site propose également des tests Apifox pour votre commodité. 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 content — 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 renvoie l’état de la tâche et les données de sortie.

FAQ

Tarification

Utilisez l'estimation rapide ci-dessus pour une seule exécution, puis consultez la comparaison complète entre CometAPI et le prix officiel.

Première requête

$0.01

Coût d'utilisation CometAPI estimé

Dix requêtes

$0.1

Coût d'utilisation CometAPI estimé

Quinze requêtes

$0.15

Coût d'utilisation CometAPI estimé

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.

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

API

Copiez un point de terminaison et un exemple de code fonctionnels, puis ouvrez la référence API complète si vous avez besoin de tous les paramètres.

Une API, un accès aux modèles prêt pour la production

Authentifiez-vous une seule fois, appelez le point de terminaison du modèle et conservez le même workflow de facturation et d'observabilité entre les fournisseurs.

POST/v1/chat/completions

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.

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}`);

Capacités

Passez en revue les informations clés du modèle avant de choisir une architecture ou d'estimer la charge en production.

Fonctionnalités prises en charge

Fonctionnalités renvoyées par l'API du modèle existante.

text-to-speech

Entrée et sortie

Entrées

text

Sorties

audio

Profil de production

Fournisseur: OpenAI
Contexte: Selon le modèle
Usage commercial: Pris en charge

Cas d'usage

Utilisez gpt-audio-1.5 pour des workflows de production adaptés à ses capacités audio, puis comparez d'autres options avant un engagement à long terme.

Génération de voix, musique et audio

Expériences vocales et production média

Workflows audio automatisés à grande échelle

Autres modèles

Comparez d'autres modèles disponibles via CometAPI selon des compromis de qualité, latence, fonctionnalités et prix.

Ouvrir la comparaison de modèles →

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.

Voir le modèle

OpenAI

GPT-Realtime-2

GPT-Realtime-2 est notre modèle vocal en temps réel le plus performant. Il prend en charge des interactions voix à voix avec un niveau d'effort de raisonnement configurable, un meilleur suivi des instructions et une utilisation plus fiable des outils pour des flux de travail d'agents vocaux complexes.

Voir le modèle

OpenAI

gpt-realtime-1.5

Le meilleur modèle vocal pour audio en entrée, audio en sortie.

Voir le modèle

OpenAI

TTS

OpenAI Text-to-Speech

Voir le modèle

Kling

Kling TTS

[Synthèse vocale] Nouveauté : conversion de texte en audio de qualité broadcast en ligne, avec fonction d’aperçu ● Peut générer simultanément un audio_id, utilisable avec n’importe quelle API Keling.

Voir le modèle

Kling

Kling video-to-audio

Kling vidéo vers audio

Voir le modèle

Uptime

Consultez les données de heartbeat en direct, la disponibilité des points de terminaison et les temps de réponse observés avant la mise en production.

Continuez à explorer

Comparez des modèles et poursuivez vos recherches

OpenAI

Disponible

gpt-audio-1.5

gpt-audio-1.5 API

Le meilleur modèle vocal pour l’audio en entrée et en sortie avec Chat Completions.

Prix de départ

$2.00 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Disponible

Point de terminaison de production

Réponse

Prêt pour l'asynchrone

Temps de réponse API observé

Date de publication

Feb 24, 2026

OpenAI

Aperçu

Un aperçu pratique de gpt-audio-1.5, avec les comportements importants et les points d'attention pour l'intégration.

Caractéristiques techniques de gpt-audio-1.5

Élément	gpt-audio-1.5 (spécifications publiques)
Famille de modèles	Famille GPT Audio (variante axée sur l’audio)
Types d’entrée	Texte, audio (parole en entrée)
Types de sortie	Texte, audio (parole en sortie), sorties structurées (appels de fonctions pris en charge)
Fenêtre de contexte	128,000 jetons.
Nombre maximal de jetons en sortie	16,384 (documenté dans la liste gpt-audio associée).
Niveau de performance	Intelligence supérieure ; vitesse moyenne (équilibrée).
Profil de latence	Optimisé pour les interactions vocales (latence moyenne/faible selon le point de terminaison).
Disponibilité	API Chat Completions (audio entrée/sortie) et espaces de test de la plateforme ; intégré sur les interfaces temps réel/voix.
Sécurité / notes d’utilisation	Garde-fous pour le contenu vocal ; traitez les sorties du modèle avec les précautions et vérifications habituelles pour des agents vocaux en production.

Remarque : gpt-realtime-1.5 est une variante audio/voix en temps réel étroitement liée, 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 ?

Fonctionnalités principales

Prise en charge entrée vocale / sortie vocale : Gère l’entrée parlée et renvoie des réponses vocales ou textuelles pour des échanges vocaux naturels.
Contexte étendu pour les workflows audio : Prend en charge un très grand contexte (128k jetons documentés), permettant un historique de conversation multi‑tours, long, ou des sessions multimodales de grande taille.
Streaming et compatibilité Chat Completions : Fonctionne dans Chat Completions avec des réponses audio en streaming et des sorties structurées via appels de fonctions.
Performances/latence équilibrées : Réglé pour fournir des réponses audio de haute qualité avec un débit moyen — adapté aux chatbots et aux assistants vocaux où la qualité prime.
Écosystème et intégrations : Pris en charge dans les espaces de test de la plateforme et disponible sur les points de terminaison officiels temps réel/voix et via des intégrations partenaires (les notes Azure/Microsoft Foundry font référence à des modèles audio similaires).

gpt-audio-1.5 vs modèles audio associés

Propriété	gpt-audio-1.5	gpt-realtime-1.5
Objectif principal	Audio E/S de haute qualité pour Chat Completions et les flux conversationnels.	S2S en temps réel (speech‑to‑speech) avec latence réduite pour des agents vocaux en direct et des scénarios de streaming.
Fenêtre de contexte	128k jetons.	32k jetons (variante temps réel documentée).
Nombre maximal de jetons en sortie	16,384 (documenté).	Généralement configuré pour des réponses temps réel plus courtes (la documentation indique un nombre maximal de jetons plus faible).
Cas d’usage recommandés	Chatbots, assistants vocaux où les sémantiques complètes du chat + l’audio sont requis.	Agents vocaux en direct, kiosques et interfaces conversationnelles à faible latence.

Cas d’usage représentatifs

Agents vocaux conversationnels pour l’assistance client et les centres d’aide internes.
Assistants à commande vocale intégrés aux applications, appareils et kiosques.
Flux de travail mains libres (dictée, recherche vocale, accessibilité).
Expériences multimodales mêlant audio et texte/images via Chat Completions.

Limitations et considérations opérationnelles

Ne remplace pas directement l’assurance qualité (QA) humaine : Validez toujours les sorties vocales et les actions en aval avec un contrôle humain dans les flux de production.
Planification des ressources : Un grand contexte et les E/S audio peuvent accroître le calcul et la latence — concevez des stratégies de streaming/segmentation pour les longues sessions.
Contraintes de sécurité et de politique : Les sorties vocales peuvent être persuasives ; suivez les directives et garde‑fous de la plateforme lors d’un déploiement à l’échelle.
Comment accéder à l’API GPT Audio 1.5

Étape 1 : S’inscrire pour obtenir une clé API

cometapi-key

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

Insérez votre question ou votre demande dans le champ content — 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 renvoie l’état de la tâche et les données de sortie.

FAQ

Tarification

Utilisez l'estimation rapide ci-dessus pour une seule exécution, puis consultez la comparaison complète entre CometAPI et le prix officiel.

Première requête

$0.01

Coût d'utilisation CometAPI estimé

Dix requêtes

$0.1

Coût d'utilisation CometAPI estimé

Quinze requêtes

$0.15

Coût d'utilisation CometAPI estimé

Tarification pour gpt-audio-1.5

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

API

Copiez un point de terminaison et un exemple de code fonctionnels, puis ouvrez la référence API complète si vous avez besoin de tous les paramètres.

Une API, un accès aux modèles prêt pour la production

Authentifiez-vous une seule fois, appelez le point de terminaison du modèle et conservez le même workflow de facturation et d'observabilité entre les fournisseurs.

POST/v1/chat/completions

Exemple de code et API pour 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}`);

Capacités

Passez en revue les informations clés du modèle avant de choisir une architecture ou d'estimer la charge en production.

Fonctionnalités prises en charge

Fonctionnalités renvoyées par l'API du modèle existante.

text-to-speech

Entrée et sortie

Entrées

text

Sorties

audio

Profil de production

Fournisseur: OpenAI
Contexte: Selon le modèle
Usage commercial: Pris en charge

Cas d'usage

Utilisez gpt-audio-1.5 pour des workflows de production adaptés à ses capacités audio, puis comparez d'autres options avant un engagement à long terme.

Génération de voix, musique et audio

Expériences vocales et production média

Workflows audio automatisés à grande échelle

Autres modèles

Comparez d'autres modèles disponibles via CometAPI selon des compromis de qualité, latence, fonctionnalités et prix.

Ouvrir la comparaison de modèles →

Le meilleur modèle vocal pour audio en entrée, audio en sortie.

Voir le modèle

OpenAI

TTS

OpenAI Text-to-Speech

Kling vidéo vers audio

Voir le modèle

Uptime

Consultez les données de heartbeat en direct, la disponibilité des points de terminaison et les temps de réponse observés avant la mise en production.

Continuez à explorer