音声エージェントで gpt-audio-1.5 と gpt-realtime-1.5 はいつ使い分けるべきですか？

大きなコンテキストを必要とする Chat Completions フローで高品質な音声が求められる場合は gpt-audio-1.5 を選択し、低レイテンシなライブストリーミングの音声対話には gpt-realtime-1.5 を選択してください。 :contentReference[oaicite:46]{index=46}

gpt-audio-1.5 は本番環境のカスタマーサポート音声エージェントに適していますか？

はい。これは音声アシスタントや対話型エージェント向けに設計されていますが、本番導入前に人によるレビュー/QA、ロギング、およびセーフティコントロールを追加する必要があります。 :contentReference[oaicite:48]{index=48}

gpt-audio-1.5 を導入する際に考慮すべき主な制限は何ですか？

主な考慮事項は、大きなコンテキストの音声セッションにおける計算資源とレイテンシのトレードオフ、音声コンテンツに対するセーフティガードレール、そして自社ドメインでの ASR/TTS 出力の検証が必要である点です。 :contentReference[oaicite:49]{index=49}

gpt-audio-1.5 は API において speech-to-text と text-to-speech の両方に対応できますか？

はい。音声入力を受け付け、Chat Completions/audio エンドポイントを通じて音声出力またはテキスト応答を返すことができます。 :contentReference[oaicite:45]{index=45}

gpt-audio-1.5 API の公式なコンテキストおよび出力トークン上限は何ですか？

gpt-audio-1.5 は 128,000 トークンのコンテキストウィンドウをサポートし、ドキュメントには最大出力トークン設定がおよそ 16,384 と記載されています。正確な上限はエンドポイントごとに開発者ドキュメントで確認してください。 :contentReference[oaicite:44]{index=44}

gpt-audio-1.5 はツール連携のためのストリーミングおよび関数呼び出しに対応していますか？

はい。外部ツールやワークフローと統合するために、音声のストリーミング応答および構造化出力/関数呼び出しをサポートしています。 :contentReference[oaicite:47]{index=47}

OpenAI

利用可能

gpt-audio-1.5

gpt-audio-1.5 API

Chat Completions における音声入出力に最適な音声モデル。

最低料金

$2.00 / 入力100万トークン

従量課金

APIの稼働状況

利用可能

本番エンドポイント

応答速度

非同期対応

実測APIレスポンス

公開日

Feb 24, 2026

OpenAI

概要

gpt-audio-1.5の実用的な概要と、重要な挙動・統合時の注意点。

gpt-audio-1.5 の技術仕様

項目	gpt-audio-1.5 (公開仕様)
モデルファミリー	GPT Audio ファミリー（音声優先のバリアント）
入力タイプ	テキスト、音声（音声入力）
出力タイプ	テキスト、音声（音声出力）、構造化出力（関数呼び出しに対応）
コンテキストウィンドウ	128,000 トークン。
最大出力トークン数	16,384（関連する gpt-audio のリスティングに記載）。
パフォーマンス階層	高い知性；中程度の速度（バランス型）。
レイテンシプロファイル	音声対話向けに最適化（エンドポイントにより中/低レイテンシ）。
提供形態	Chat Completions API（音声入出力）およびプラットフォームのプレイグラウンド；リアルタイム/音声サーフェス全体に統合。
安全性/使用上の注意	音声コンテンツ向けのガードレール；本番の音声エージェントでは、通常の安全対策と検証を適用すること。

注: gpt-realtime-1.5 は緊密に関連するリアルタイム音声/ボイス優先のバリアントで、低レイテンシとリアルタイムセッションに最適化されています。下記を参照して比較してください。

gpt-audio-1.5 とは？

gpt-audio-1.5 は、Chat Completions および関連する音声対応 API を通じて、音声入力と音声出力の両方をサポートする音声対応の GPT モデルです。品質と速度のバランスを取りつつ、音声エージェントや音声優先のエクスペリエンスを構築するための、一般提供される主要な音声モデルとして位置づけられています。

主な機能

音声入力/音声出力のサポート: 音声での入力に対応し、音声またはテキストで自然なボイスフローの応答を返します。
音声ワークフロー向けの大きなコンテキスト: 非常に大きなコンテキスト（ドキュメント上は 128k トークン）をサポートし、マルチターンの長い会話履歴や大規模なマルチモーダルセッションが可能。
ストリーミングと Chat Completions との互換性: Chat Completions 内で動作し、音声ストリーミング応答や関数呼び出しの構造化出力に対応。
性能/レイテンシのバランス: 音声応答の品質を重視しつつ中程度のスループットに調整—品質が重要なチャットボットや音声アシスタントに適しています。
エコシステムと統合: プラットフォームのプレイグラウンドでサポートされ、公式のリアルタイム/音声エンドポイントやパートナー統合で利用可能（Azure/Microsoft Foundry の注記では類似の音声モデルに言及）。

gpt-audio-1.5 と関連音声モデルの比較

特性	gpt-audio-1.5	gpt-realtime-1.5
主な焦点	Chat Completions と会話フロー向けの高品質な音声入出力。	低レイテンシのライブ音声エージェントやストリーミング向けのリアルタイム S2S（音声対音声）。
コンテキストウィンドウ	128k トークン。	32k トークン（リアルタイム版の仕様に記載）。
最大出力トークン数	16,384（記載あり）。	通常は短いリアルタイム応答向けに設定（ドキュメントではより小さい最大トークン数を記載）。
最適な用途	チャットボット、完全なチャット意味論＋音声が必要な音声対応アシスタント。	ライブ音声エージェント、キオスク、低レイテンシの会話型インターフェース。

代表的なユースケース

カスタマーサポートや社内ヘルプデスク向けの会話型音声エージェント。
アプリ、デバイス、キオスクに組み込まれた音声対応アシスタント。
ハンズフリーのワークフロー（ディクテーション、音声検索、アクセシビリティ）。
Chat Completions を介して音声とテキスト/画像を組み合わせるマルチモーダル体験。

制約と運用上の考慮事項

人間の QA の代替にはならない: 本番環境では、音声出力や後段のアクションを人によるレビューで常に検証してください。
リソース計画: 大きなコンテキストと音声入出力は計算資源やレイテンシを増やす可能性があります—長いセッションではストリーミング/分割戦略を設計しましょう。
安全性とポリシーの制約: 音声出力は説得力を持ち得ます。大規模展開時はプラットフォームの安全ガイドラインとガードレールに従ってください。
GPT Audio 1.5 API へのアクセス方法

ステップ 1: API キーに登録

cometapi.com にログインします。まだユーザーでない場合は、まず登録してください。CometAPI console にサインインします。インターフェースのアクセス認証 API キーを取得します。パーソナルセンターの API トークンで「Add Token」をクリックし、トークンキー（sk-xxxxx）を取得して送信します。

cometapi-key

ステップ 2: GPT Audio 1.5 API にリクエストを送信

“gpt-audio-1.5” エンドポイントを選択して API リクエストを送信し、リクエストボディを設定します。リクエストメソッドとリクエストボディは当社ウェブサイトの API ドキュメントに記載しています。当社サイトでは便利な Apifox テストも提供しています。<YOUR_API_KEY> をアカウントの実際の CometAPI キーに置き換えてください。ベース URL は Chat Completions です。

質問や依頼内容を content フィールドに挿入します—モデルはその内容に応答します。API レスポンスを処理して生成された回答を取得します。

ステップ 3: 結果の取得と検証

API レスポンスを処理して生成結果を取得します。処理後、API はタスクのステータスと出力データを返します。

よくある質問

料金プラン

上記の簡易見積もりを1回分の目安にし、CometAPIと公式価格の詳細な比較もご確認ください。

1回目のリクエスト

$0.01

CometAPI利用料金の見積もり

10回のリクエスト

$0.1

CometAPI利用料金の見積もり

15回のリクエスト

$0.15

CometAPI利用料金の見積もり

gpt-audio-1.5の料金

gpt-audio-1.5の競争力のある価格設定をご確認ください。さまざまな予算や利用ニーズに対応できるよう設計されています。柔軟なプランにより、使用した分だけお支払いいただけるため、要件の拡大に合わせて簡単にスケールアップできます。gpt-audio-1.5がコストを管理しながら、お客様のプロジェクトをどのように強化できるかをご覧ください。

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

API

動作するエンドポイントとコード例をコピーし、全パラメーターが必要な場合は完全なAPIリファレンスを開いてください。

1つのAPIで本番対応のモデルアクセス

一度認証すれば、モデルエンドポイントを呼び出し、プロバイダー間で同じ請求・モニタリングフローを維持できます。

POST/v1/chat/completions

gpt-audio-1.5のサンプルコードとAPI

gpt-audio-1.5の包括的なサンプルコードとAPIリソースにアクセスして、統合プロセスを効率化しましょう。詳細なドキュメントでは段階的なガイダンスを提供し、プロジェクトでgpt-audio-1.5の潜在能力を最大限に活用できるよう支援します。

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}`);

機能

アーキテクチャの選定や本番負荷の見積もり前に、重要なモデル情報を確認できます。

対応機能

既存のモデルAPIが返す機能。

text-to-speech

入力と出力

入力

text

出力

audio

本番環境プロファイル

プロバイダー: OpenAI
文脈: モデルによる
商用利用: 対応

ユースケース

audioの機能に合った本番ワークフローにgpt-audio-1.5を活用し、長期的な統合前に他の選択肢とも比較してください。

音声・音楽・オーディオ生成

音声体験とメディア制作

大規模な自動音声ワークフロー

他のモデル

品質・レイテンシ・機能・料金のトレードオフに応じて、CometAPIで利用できる他のモデルと比較できます。

モデル比較を開く →

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.

モデルを見る

OpenAI

GPT-Realtime-2

GPT-Realtime-2 は、当社で最も高性能なリアルタイム音声モデルです。音声対音声のやり取り、推論の深さの調整、より強力な指示追従、複雑な音声エージェントのワークフローにおけるより信頼性の高いツール利用をサポートします。

音声入力・音声出力に最適な音声モデル。

OpenAI テキスト読み上げ

[音声合成] 新登場：テキストから放送用音声をオンラインで生成、プレビュー機能付き ● 同時にaudio_idを生成でき、任意のKeling APIで利用可能。

Kling 動画から音声に

Uptime

本番投入前に、リアルタイムのハートビートデータ、エンドポイントの可用性、実測レスポンスタイムを確認できます。

さらに探る

モデルを比較して、調査を続けましょう

OpenAI

利用可能

gpt-audio-1.5

gpt-audio-1.5 API

Chat Completions における音声入出力に最適な音声モデル。

最低料金

$2.00 / 入力100万トークン

従量課金

APIの稼働状況

利用可能

本番エンドポイント

応答速度

非同期対応

実測APIレスポンス

公開日

Feb 24, 2026

OpenAI

概要

gpt-audio-1.5の実用的な概要と、重要な挙動・統合時の注意点。

gpt-audio-1.5 の技術仕様

項目	gpt-audio-1.5 (公開仕様)
モデルファミリー	GPT Audio ファミリー（音声優先のバリアント）
入力タイプ	テキスト、音声（音声入力）
出力タイプ	テキスト、音声（音声出力）、構造化出力（関数呼び出しに対応）
コンテキストウィンドウ	128,000 トークン。
最大出力トークン数	16,384（関連する gpt-audio のリスティングに記載）。
パフォーマンス階層	高い知性；中程度の速度（バランス型）。
レイテンシプロファイル	音声対話向けに最適化（エンドポイントにより中/低レイテンシ）。
提供形態	Chat Completions API（音声入出力）およびプラットフォームのプレイグラウンド；リアルタイム/音声サーフェス全体に統合。
安全性/使用上の注意	音声コンテンツ向けのガードレール；本番の音声エージェントでは、通常の安全対策と検証を適用すること。

注: gpt-realtime-1.5 は緊密に関連するリアルタイム音声/ボイス優先のバリアントで、低レイテンシとリアルタイムセッションに最適化されています。下記を参照して比較してください。

gpt-audio-1.5 とは？

主な機能

音声入力/音声出力のサポート: 音声での入力に対応し、音声またはテキストで自然なボイスフローの応答を返します。
音声ワークフロー向けの大きなコンテキスト: 非常に大きなコンテキスト（ドキュメント上は 128k トークン）をサポートし、マルチターンの長い会話履歴や大規模なマルチモーダルセッションが可能。
ストリーミングと Chat Completions との互換性: Chat Completions 内で動作し、音声ストリーミング応答や関数呼び出しの構造化出力に対応。
性能/レイテンシのバランス: 音声応答の品質を重視しつつ中程度のスループットに調整—品質が重要なチャットボットや音声アシスタントに適しています。
エコシステムと統合: プラットフォームのプレイグラウンドでサポートされ、公式のリアルタイム/音声エンドポイントやパートナー統合で利用可能（Azure/Microsoft Foundry の注記では類似の音声モデルに言及）。

gpt-audio-1.5 と関連音声モデルの比較

特性	gpt-audio-1.5	gpt-realtime-1.5
主な焦点	Chat Completions と会話フロー向けの高品質な音声入出力。	低レイテンシのライブ音声エージェントやストリーミング向けのリアルタイム S2S（音声対音声）。
コンテキストウィンドウ	128k トークン。	32k トークン（リアルタイム版の仕様に記載）。
最大出力トークン数	16,384（記載あり）。	通常は短いリアルタイム応答向けに設定（ドキュメントではより小さい最大トークン数を記載）。
最適な用途	チャットボット、完全なチャット意味論＋音声が必要な音声対応アシスタント。	ライブ音声エージェント、キオスク、低レイテンシの会話型インターフェース。

代表的なユースケース

カスタマーサポートや社内ヘルプデスク向けの会話型音声エージェント。
アプリ、デバイス、キオスクに組み込まれた音声対応アシスタント。
ハンズフリーのワークフロー（ディクテーション、音声検索、アクセシビリティ）。
Chat Completions を介して音声とテキスト/画像を組み合わせるマルチモーダル体験。

制約と運用上の考慮事項

人間の QA の代替にはならない: 本番環境では、音声出力や後段のアクションを人によるレビューで常に検証してください。
リソース計画: 大きなコンテキストと音声入出力は計算資源やレイテンシを増やす可能性があります—長いセッションではストリーミング/分割戦略を設計しましょう。
安全性とポリシーの制約: 音声出力は説得力を持ち得ます。大規模展開時はプラットフォームの安全ガイドラインとガードレールに従ってください。
GPT Audio 1.5 API へのアクセス方法

ステップ 1: API キーに登録

cometapi-key

ステップ 2: GPT Audio 1.5 API にリクエストを送信

質問や依頼内容を content フィールドに挿入します—モデルはその内容に応答します。API レスポンスを処理して生成された回答を取得します。

ステップ 3: 結果の取得と検証

API レスポンスを処理して生成結果を取得します。処理後、API はタスクのステータスと出力データを返します。

よくある質問

料金プラン

上記の簡易見積もりを1回分の目安にし、CometAPIと公式価格の詳細な比較もご確認ください。

1回目のリクエスト

$0.01

CometAPI利用料金の見積もり

10回のリクエスト

$0.1

CometAPI利用料金の見積もり

15回のリクエスト

$0.15

CometAPI利用料金の見積もり

gpt-audio-1.5の料金

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

API

動作するエンドポイントとコード例をコピーし、全パラメーターが必要な場合は完全なAPIリファレンスを開いてください。

1つのAPIで本番対応のモデルアクセス

一度認証すれば、モデルエンドポイントを呼び出し、プロバイダー間で同じ請求・モニタリングフローを維持できます。

POST/v1/chat/completions

gpt-audio-1.5のサンプルコードとAPI

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}`);