Quando dovrei usare gpt-audio-1.5 rispetto a gpt-realtime-1.5 per un agente vocale?

Scegli gpt-audio-1.5 per audio di qualità superiore nei flussi di Chat Completions in cui è richiesto un contesto più ampio; scegli gpt-realtime-1.5 para interazioni vocali in streaming live a bassa latenza. :contentReference[oaicite:46]{index=46}

gpt-audio-1.5 è adatto per agenti vocali di assistenza clienti in produzione?

Sì — è progettato per assistenti vocali e agenti conversazionali, ma dovresti aggiungere revisione/QA umana, logging e controlli di sicurezza prima della messa in produzione. :contentReference[oaicite:48]{index=48}

Quali sono le principali limitazioni da considerare quando si distribuisce gpt-audio-1.5?

Le considerazioni chiave riguardano i compromessi tra capacità di calcolo e latenza per sessioni audio con contesto ampio, le misure di sicurezza per i contenuti vocali e la necessità di convalidare gli output ASR/TTS nel proprio dominio. :contentReference[oaicite:49]{index=49}

gpt-audio-1.5 può gestire sia speech-to-text sia text-to-speech nell'API?

Sì — accetta input audio e può restituire output audio o risposte testuali tramite gli endpoint Chat Completions/audio. :contentReference[oaicite:45]{index=45}

Quali sono i limiti ufficiali di token di contesto e di output per l'API gpt-audio-1.5?

gpt-audio-1.5 supporta una finestra di contesto da 128,000 token e la documentazione indica una configurazione massima di token di output intorno a 16,384; verifica i limiti esatti per endpoint nella documentazione per sviluppatori. :contentReference[oaicite:44]{index=44}

gpt-audio-1.5 supporta lo streaming e le chiamate di funzioni per le integrazioni con strumenti?

Sì — il modello supporta risposte audio in streaming e output strutturati/chiamate di funzioni per integrare strumenti esterni e flussi di lavoro. :contentReference[oaicite:47]{index=47}

OpenAI

Disponibile

gpt-audio-1.5

gpt-audio-1.5 API

Il miglior modello vocale per audio in entrata e in uscita con Chat Completions.

Prezzo di partenza

$2.00 / 1M di token in input

Fatturazione a consumo

Stato dell'API

Disponibile

Endpoint di produzione

Risposta

Pronto per l'async

Tempo di risposta API osservato

Pubblicato

Feb 24, 2026

OpenAI

Panoramica

Una panoramica pratica di gpt-audio-1.5, con comportamenti importanti e considerazioni per l'integrazione.

Specifiche tecniche di gpt-audio-1.5

Voce	gpt-audio-1.5 (specifiche pubbliche)
Famiglia del modello	GPT Audio family (variante audio-first)
Tipi di input	Testo, audio (speech in)
Tipi di output	Testo, audio (speech out), output strutturati (supportate le chiamate di funzione)
Finestra di contesto	128.000 token.
Token massimi in output	16.384 (documentato nella relativa scheda gpt-audio).
Livello di prestazioni	Intelligenza elevata; velocità media (bilanciata).
Profilo di latenza	Ottimizzato per interazioni vocali (latenza media/bassa a seconda dell'endpoint).
Disponibilità	Chat Completions API (audio in/out) e playground della piattaforma; integrato su interfacce in tempo reale/vocali.
Sicurezza / note d'uso	Guardrail per contenuti vocali; trattare gli output del modello con la consueta sicurezza e verifica per agenti vocali in produzione.

Nota: gpt-realtime-1.5 è una variante realtime audio/voice-first strettamente correlata, ottimizzata per latenza inferiore e sessioni in tempo reale; vedi confronto sotto.

Che cos’è gpt-audio-1.5?

gpt-audio-1.5 è un modello GPT abilitato all’audio che supporta sia input vocali sia output vocali tramite Chat Completions e API correlate con capacità audio. È posizionato come il principale modello audio generalmente disponibile per creare voice agent e esperienze speech-first, bilanciando qualità e velocità.

Caratteristiche principali

Supporto speech-in / speech-out: gestisce input parlati e restituisce risposte parlate o testuali per flussi vocali naturali.
Ampio contesto per flussi audio: supporta un contesto molto grande (128k token documentati) per cronologie multi-turn, conversazioni lunghe o sessioni multimodali estese.
Compatibilità Streaming & Chat Completions: funziona in Chat Completions con risposte audio in streaming e output strutturati con chiamate di funzione.
Prestazioni/latenza bilanciate: ottimizzato per fornire output audio di alta qualità a throughput medio—adatto a chatbot e assistenti vocali dove la qualità conta.
Ecosistema e integrazioni: supportato nei playground della piattaforma e disponibile su endpoint ufficiali realtime/voice e integrazioni partner (le note Azure/Microsoft Foundry fanno riferimento a modelli audio simili).

gpt-audio-1.5 vs modelli audio correlati

Proprietà	gpt-audio-1.5	gpt-realtime-1.5
Focus principale	Audio in/out di alta qualità per Chat Completions e flussi conversazionali.	Realtime S2S (speech-to-speech) con latenza inferiore per agenti vocali live e scenari in streaming.
Finestra di contesto	128k token.	32k token (variante realtime documentata).
Token massimi in output	16.384 (documentato).	In genere configurato per risposte realtime più brevi (la documentazione indica un massimo inferiore).
Uso migliore	Chatbot, assistenti abilitati alla voce dove servono semantica chat completa + audio.	Agenti vocali live, chioschi e interfacce conversazionali a bassa latenza.

Casi d’uso rappresentativi

Agenti vocali conversazionali per il supporto clienti e help desk interni.
Assistenti abilitati alla voce integrati in app, dispositivi e chioschi.
Flussi di lavoro a mani libere (dettatura, ricerca vocale, accessibilità).
Esperienze multimodali che combinano audio con testo/immagini tramite Chat Completions.

Limitazioni e considerazioni operative

Non è un sostituto diretto della QA umana: convalidare sempre gli output vocali e le azioni a valle con revisione umana nei flussi di produzione.
Pianificazione delle risorse: contesto ampio e I/O audio possono aumentare il calcolo e la latenza—progettare strategie di streaming/segmentazione per sessioni lunghe.
Vincoli di sicurezza e policy: l’output vocale può avere potere persuasivo; seguire le linee guida di sicurezza e i guardrail della piattaforma quando si scala il deployment.
Come accedere all'API GPT Audio 1.5

Passaggio 1: Registrati per ottenere la chiave API

Accedi a cometapi.com. Se non sei ancora nostro utente, registrati prima. Accedi alla tua console CometAPI. Ottieni la credenziale di accesso (API key) dell’interfaccia. Fai clic su “Add Token” nella sezione dei token API del centro personale, ottieni la chiave del token: sk-xxxxx e invia.

cometapi-key

Passaggio 2: Invia richieste all’API GPT Audio 1.5

Seleziona l’endpoint “gpt-audio-1.5” per inviare la richiesta API e imposta il body della richiesta. Il metodo e il body della richiesta sono disponibili nella documentazione API del nostro sito web. Il nostro sito fornisce anche test Apifox per tua comodità. Sostituisci <YOUR_API_KEY> con la tua chiave CometAPI effettiva del tuo account. L’URL base è Chat Completions

Inserisci la tua domanda o richiesta nel campo content—è ciò a cui il modello risponderà. Elabora la risposta dell’API per ottenere la risposta generata.

Passaggio 3: Recupera e verifica i risultati

Elabora la risposta dell’API per ottenere la risposta generata. Dopo l’elaborazione, l’API risponde con lo stato dell’attività e i dati di output.

FAQ

Prezzi

Usa la stima rapida sopra per una singola esecuzione, poi consulta il confronto completo tra CometAPI e prezzo ufficiale.

Prima richiesta

$0.01

Costo di utilizzo CometAPI stimato

Dieci richieste

$0.1

Costo di utilizzo CometAPI stimato

Quindici richieste

$0.15

Costo di utilizzo CometAPI stimato

Prezzi per gpt-audio-1.5

Esplora i prezzi competitivi per gpt-audio-1.5, progettato per adattarsi a vari budget e necessità di utilizzo. I nostri piani flessibili garantiscono che paghi solo per quello che usi, rendendo facile scalare man mano che i tuoi requisiti crescono. Scopri come gpt-audio-1.5 può migliorare i tuoi progetti mantenendo i costi gestibili.

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

API

Copia un endpoint funzionante e un esempio di codice, poi apri il riferimento API completo quando ti serve ogni parametro.

Un'unica API, accesso ai modelli pronto per la produzione

Autenticati una sola volta, chiama l'endpoint del modello e mantieni lo stesso flusso di fatturazione e osservabilità tra i fornitori.

POST/v1/chat/completions

Codice di esempio e API per gpt-audio-1.5

Accedi a codice di esempio completo e risorse API per gpt-audio-1.5 per semplificare il tuo processo di integrazione. La nostra documentazione dettagliata fornisce una guida passo dopo passo, aiutandoti a sfruttare appieno il potenziale di gpt-audio-1.5 nei tuoi progetti.

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}`);

Capacità

Consulta i dati chiave del modello prima di scegliere un'architettura o stimare il carico in produzione.

Capacità supportate

Funzionalità restituite dall'API del modello esistente.

text-to-speech

Input e output

Input

text

Output

audio

Profilo di produzione

Fornitore: OpenAI
Contesto: Dipende dal modello
Uso commerciale: Supportato

Casi d'uso

Usa gpt-audio-1.5 per flussi di produzione in linea con le sue capacità audio, poi confronta altre alternative prima di un'integrazione a lungo termine.

Generazione di voce, musica e audio

Esperienze vocali e produzione media

Flussi di lavoro audio automatizzati su larga scala

Altri modelli

Confronta altri modelli disponibili tramite CometAPI in base a qualità, latenza, capacità e prezzo.

Apri confronto modelli →

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.

Visualizza modello

OpenAI

GPT-Realtime-2

GPT-Realtime-2 è il nostro modello vocale in tempo reale più avanzato. Supporta interazioni voce-a-voce con livello di ragionamento configurabile, una più rigorosa aderenza alle istruzioni e un uso degli strumenti più affidabile per flussi di lavoro complessi di agenti vocali.

Visualizza modello

OpenAI

gpt-realtime-1.5

Il miglior modello vocale per input e output audio.

Visualizza modello

OpenAI

TTS

Sintesi vocale di OpenAI

Visualizza modello

Kling

Kling TTS

[Sintesi vocale] Appena lanciato: conversione da testo in audio di qualità broadcast online, con funzione di anteprima ● Può generare contemporaneamente un audio_id, utilizzabile con qualsiasi Keling API.

Visualizza modello

Kling

Kling video-to-audio

Kling da video ad audio

Visualizza modello

Uptime

Controlla i dati di heartbeat in tempo reale, la disponibilità dell'endpoint e i tempi di risposta osservati prima di passare in produzione.

Continua a esplorare

Confronta i modelli e continua la tua ricerca

OpenAI

Disponibile

gpt-audio-1.5

gpt-audio-1.5 API

Il miglior modello vocale per audio in entrata e in uscita con Chat Completions.

Prezzo di partenza

$2.00 / 1M di token in input

Fatturazione a consumo

Stato dell'API

Disponibile

Endpoint di produzione

Risposta

Pronto per l'async

Tempo di risposta API osservato

Pubblicato

Feb 24, 2026

OpenAI

Panoramica

Una panoramica pratica di gpt-audio-1.5, con comportamenti importanti e considerazioni per l'integrazione.

Specifiche tecniche di gpt-audio-1.5

Voce	gpt-audio-1.5 (specifiche pubbliche)
Famiglia del modello	GPT Audio family (variante audio-first)
Tipi di input	Testo, audio (speech in)
Tipi di output	Testo, audio (speech out), output strutturati (supportate le chiamate di funzione)
Finestra di contesto	128.000 token.
Token massimi in output	16.384 (documentato nella relativa scheda gpt-audio).
Livello di prestazioni	Intelligenza elevata; velocità media (bilanciata).
Profilo di latenza	Ottimizzato per interazioni vocali (latenza media/bassa a seconda dell'endpoint).
Disponibilità	Chat Completions API (audio in/out) e playground della piattaforma; integrato su interfacce in tempo reale/vocali.
Sicurezza / note d'uso	Guardrail per contenuti vocali; trattare gli output del modello con la consueta sicurezza e verifica per agenti vocali in produzione.

Nota: gpt-realtime-1.5 è una variante realtime audio/voice-first strettamente correlata, ottimizzata per latenza inferiore e sessioni in tempo reale; vedi confronto sotto.

Che cos’è gpt-audio-1.5?

Caratteristiche principali

Supporto speech-in / speech-out: gestisce input parlati e restituisce risposte parlate o testuali per flussi vocali naturali.
Ampio contesto per flussi audio: supporta un contesto molto grande (128k token documentati) per cronologie multi-turn, conversazioni lunghe o sessioni multimodali estese.
Compatibilità Streaming & Chat Completions: funziona in Chat Completions con risposte audio in streaming e output strutturati con chiamate di funzione.
Prestazioni/latenza bilanciate: ottimizzato per fornire output audio di alta qualità a throughput medio—adatto a chatbot e assistenti vocali dove la qualità conta.
Ecosistema e integrazioni: supportato nei playground della piattaforma e disponibile su endpoint ufficiali realtime/voice e integrazioni partner (le note Azure/Microsoft Foundry fanno riferimento a modelli audio simili).

gpt-audio-1.5 vs modelli audio correlati

Proprietà	gpt-audio-1.5	gpt-realtime-1.5
Focus principale	Audio in/out di alta qualità per Chat Completions e flussi conversazionali.	Realtime S2S (speech-to-speech) con latenza inferiore per agenti vocali live e scenari in streaming.
Finestra di contesto	128k token.	32k token (variante realtime documentata).
Token massimi in output	16.384 (documentato).	In genere configurato per risposte realtime più brevi (la documentazione indica un massimo inferiore).
Uso migliore	Chatbot, assistenti abilitati alla voce dove servono semantica chat completa + audio.	Agenti vocali live, chioschi e interfacce conversazionali a bassa latenza.

Casi d’uso rappresentativi

Agenti vocali conversazionali per il supporto clienti e help desk interni.
Assistenti abilitati alla voce integrati in app, dispositivi e chioschi.
Flussi di lavoro a mani libere (dettatura, ricerca vocale, accessibilità).
Esperienze multimodali che combinano audio con testo/immagini tramite Chat Completions.

Limitazioni e considerazioni operative

Non è un sostituto diretto della QA umana: convalidare sempre gli output vocali e le azioni a valle con revisione umana nei flussi di produzione.
Pianificazione delle risorse: contesto ampio e I/O audio possono aumentare il calcolo e la latenza—progettare strategie di streaming/segmentazione per sessioni lunghe.
Vincoli di sicurezza e policy: l’output vocale può avere potere persuasivo; seguire le linee guida di sicurezza e i guardrail della piattaforma quando si scala il deployment.
Come accedere all'API GPT Audio 1.5

Passaggio 1: Registrati per ottenere la chiave API

cometapi-key

Passaggio 2: Invia richieste all’API GPT Audio 1.5

Inserisci la tua domanda o richiesta nel campo content—è ciò a cui il modello risponderà. Elabora la risposta dell’API per ottenere la risposta generata.

Passaggio 3: Recupera e verifica i risultati

Elabora la risposta dell’API per ottenere la risposta generata. Dopo l’elaborazione, l’API risponde con lo stato dell’attività e i dati di output.

FAQ

Prezzi

Usa la stima rapida sopra per una singola esecuzione, poi consulta il confronto completo tra CometAPI e prezzo ufficiale.

Prima richiesta

$0.01

Costo di utilizzo CometAPI stimato

Dieci richieste

$0.1

Costo di utilizzo CometAPI stimato

Quindici richieste

$0.15

Costo di utilizzo CometAPI stimato

Prezzi per gpt-audio-1.5

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

API

Copia un endpoint funzionante e un esempio di codice, poi apri il riferimento API completo quando ti serve ogni parametro.

Un'unica API, accesso ai modelli pronto per la produzione

Autenticati una sola volta, chiama l'endpoint del modello e mantieni lo stesso flusso di fatturazione e osservabilità tra i fornitori.

POST/v1/chat/completions

Codice di esempio e API per 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}`);

Capacità

Consulta i dati chiave del modello prima di scegliere un'architettura o stimare il carico in produzione.

Capacità supportate

Funzionalità restituite dall'API del modello esistente.

text-to-speech

Input e output

Input

text

Output

audio

Profilo di produzione

Fornitore: OpenAI
Contesto: Dipende dal modello
Uso commerciale: Supportato

Casi d'uso

Usa gpt-audio-1.5 per flussi di produzione in linea con le sue capacità audio, poi confronta altre alternative prima di un'integrazione a lungo termine.

Generazione di voce, musica e audio

Esperienze vocali e produzione media

Flussi di lavoro audio automatizzati su larga scala

Altri modelli

Confronta altri modelli disponibili tramite CometAPI in base a qualità, latenza, capacità e prezzo.

Apri confronto modelli →

Il miglior modello vocale per input e output audio.

Visualizza modello

OpenAI

TTS

Sintesi vocale di OpenAI

Kling da video ad audio

Visualizza modello

Uptime

Controlla i dati di heartbeat in tempo reale, la disponibilità dell'endpoint e i tempi di risposta osservati prima di passare in produzione.

Continua a esplorare